摘要
本申请提供一种基于报关单证识别的通关风险检测方法,包括:从报关单证中获取历史数据,通过数据清洗与预处理去除噪声数据,采用时间序列分割方法将连续的历史数据按时间窗口划分为多个子数据集,得到结构化的报关行为序列;根据初步的行为模式表示,通过聚类分析方法对历史数据中的正常报关行为进行分组,结合统计分布特性计算每个时间窗口内的行为特征均值与方差,确定动态基准模型的参数;获取多级预警输出,从而能够及时发现高风险异常行为并触发相应预警。
技术关键词
风险检测方法
聚类分析方法
高风险
长短期记忆网络
检测异常状态
时间序列模式
基准
噪声数据
动态
随机森林
神经网络训练
分割方法
训练分类器
时间序列分析方法
结构化数据格式
序列分析技术
消息队列技术
系统为您推荐了相关专利信息
石墨烯超级电容器
状态估计方法
深度神经网络模型
双电层
注意力
风险评估模型
一维卷积神经网络
朴素贝叶斯模型
时空分布特征
短时傅里叶变换
依赖特征
时序
健康状态预测
神经网络模型
锂离子电池失效
数据采集模块
对象
风险评估模型
统计学方法
分析模块