基于泛在物联网和机器学习算法的资产异常状态预警系统

• 作者: 章怡
• 来源期刊: 电子设计工程
• 关键词: 资产异常状态预警算法 泛在物联网 BP神经网络 决策树算法 Bagging算法 B/S系统架构
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 测量与控制|Measurement and Control
• 页码范围: 96-100
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.14022/j.issn1674-6236.2021.16.021

摘要

针对传统方法对资产、财务的管理过程中存在难以预测资产异常状态的问题,文中提出了基于泛在物联网与机器学习的资产异常状态预警算法来评估用户的资产状态.该资产异常状态预警系统从结构与设计方法两个角度展开,采用B/S系统架构以满足通过互联网实现多终端的实时接入.泛在物联网技术连接了用户的各个层面,可为资产异常状态预警系统提供所需要的样本数据;机器学习中的BP神经网络与决策树算法被用来对样本数据进行特征提取及资产状态分类,从而构建资产异常状态预警模型;最终使用Bagging对资产异常状态预警模型进行优化.测试与数据分析结果表明,与使用Softmax作为分类器的模型对比,基于BP神经网络与决策树的资产异常状态预警算法具有更高的准确率,平均识别精准度为80.1％,可以为用户提供有效的资产风险预警.