基于K—MEANS聚類的ATM系統(tǒng)參數(shù)研究

曹雨濛

基于某商業(yè)銀行ATM應(yīng)用系統(tǒng)某分行的交易統(tǒng)計(jì)數(shù)據(jù)，對ATM交易狀態(tài)的特征參根據(jù)圖像進(jìn)行相關(guān)性分析數(shù)并利用因子分析對特征參數(shù)進(jìn)行降維提取和分析出.再利用對所求的特征參數(shù)通過 K-Means 聚類分析的方法對異常值進(jìn)行分析并確定異常值的判定標(biāo)準(zhǔn)。

1 引言

中國已成為全球第二大ATM市場，目前ATM還在快速建設(shè)發(fā)展中，各家商業(yè)銀行紛紛利用ATM來搶占自助渠道、擴(kuò)大與延伸服務(wù)范圍。ATM機(jī)作為銀行業(yè)務(wù)電子化和自動(dòng)化的一部分，它借助現(xiàn)代化的自助服務(wù)設(shè)備，為客戶提供方便、高效的金融服務(wù)。

2 模型的建立與求解

2.1特征參數(shù)的提取與分析

2.1.1 模型的分析

首先對數(shù)據(jù)預(yù)處理，選取數(shù)據(jù)中變量交易量，響應(yīng)時(shí)間，工作日或非工作日，一天中的不同時(shí)間作為要分析的特征參數(shù)，通過因子分析降維后觀察哪個(gè)參數(shù)占所比重最大。再由Matlab生成響應(yīng)時(shí)間-成功率，日期-成功率，時(shí)間-成功率，交易量-成功率的圖像進(jìn)行函數(shù)分析，找出對成功率影響最大的參數(shù)后，將其設(shè)為特征參數(shù)，并對其與成功率的函數(shù)擬合近似圖像，另對數(shù)據(jù)進(jìn)行篩選[1]后做出時(shí)間-日期-成功率的三維圖像，進(jìn)一步進(jìn)行觀察。

2.1.2模型的求解

通過spss進(jìn)行分析后的數(shù)據(jù)如圖所示；

相關(guān)矩陣

其中V1表示日期，V2表示時(shí)間，V3表示交易量，V4表示成功率，V5表示響應(yīng)時(shí)間；成分1，2，3分別代表V5，V3，V2；

從數(shù)據(jù)中可以觀察得交易量和時(shí)間對成功率的影響相同，遠(yuǎn)大于其他因素（響應(yīng)時(shí)間等），故交易量是一個(gè)特征參數(shù)；

通過Matlab對每個(gè)月各個(gè)參數(shù)與成功率的關(guān)系繪制圖像，其中時(shí)間-成功率的函數(shù)起伏最明顯且1-4月每天的起伏程度類似，可以近似成周期函數(shù)。

通過函數(shù)圖像的擬合函數(shù)曲線可知特征參數(shù)取時(shí)間，交易量和響應(yīng)時(shí)間。

2.2 異常值的分析

2.2.1模型的求解

初始設(shè)置為三個(gè)類，然后利用K-MEANS算法進(jìn)行迭代生成每個(gè)類的中心坐標(biāo)，再根據(jù)圖中每個(gè)類的位置來取對應(yīng)的范圍。

最終聚類中心

x軸表示響應(yīng)時(shí)間，y軸表示交易量，z軸表示時(shí)間。

讀出坐標(biāo)

這三個(gè)即為所求的類，

若數(shù)據(jù)中出現(xiàn)異常情況，則會超出此范圍，異常數(shù)據(jù)得到檢驗(yàn)。

（作者單位：吉林大學(xué)數(shù)學(xué)學(xué)院）