一种基于改进AGNES算法POS机位置自学习方法.docVIP

一种基于改进AGNES算法的POS机位置自学习方法 　　【摘 要】由于POS机刷卡量持续增长，寻找一种能减少银行卡盗刷现象的有效手段迫在眉睫。提出一种基于改进的AGNES算法的POS机位置自学习方法，并利用运营商移动网络现有位置服务，可向银行信用卡中心提供实时的持卡人手机位置和刷卡位置的一致性查询服务，模拟验证实验结果表明，该方法对于判断POS刷卡是否正常具有一定参考作用。 　　【关键词】AGNES 位置自学习方法 POS机 　　中图分类号：TP391 文献标志码：A 文章编号：1006-1010（2017）19-0051-04 　　POS Terminal Position Self-Learning Method Based on Improved AGNES Algorithm 　　YU Lei 　　[Abstract] Since the amount of swiping the card on POS （Point of Sale） terminal increases continually， to find an effective way to reduce the identity theft on credit card is extremely urgent. A POS terminal position self-learning method based on improved AGNES algorithm was proposed in this paper. According to existing location service of operators’ mobile network， the real-time consistent inquiry service of the mobile phone position of the card holder and position of swiping the card can be provided to the bank credit card center. Simulation and experiment results show that the proposed method can provide the useful reference to judge the normal or abnormal swiping card. 　　[Key words]Agglomeration Nesting position self-learning method POS terminal 　　1 引言 　　POS?C刷卡模式打破了传统的金融支付方式，更加的灵巧、便捷，支持用户（消费者或商家）在3G、4G或Wi-Fi网络状态下，通过应用程序匹配进行刷卡消费，并保存相应消费信息，降低了刷卡支付的技术门槛和硬件需求[1]。因此，POS机刷卡量呈持续增长的趋势，与此同时伴随而来的POS机盗刷现象也日趋严重。 　　为了解决这一问题，本文提出一种基于改进AGNES算法的POS机位置自学习方法，可实现在运营商移动网络现有位置服务基础上，向银行信用卡中心提供实时的持卡人手机位置和刷卡位置的一致性查询服务，减少银行卡盗刷现象的发生。 　　2 基于改进AGNES算法的POS机位置自 　　学习方法 　　2.1 AGNES算法简介 　　AGNES（Agglomeration Nesting，凝聚的层次聚类）算法[2]，数据集的划分采用“自底向上”的聚合策略。先将数据集中的每个样本看作一个初始聚类簇，然后在算法运行的每一步中找出距离最近的两个聚类簇进行合并，该过程不断重复，直到达到预设的聚类簇个数K。算法性能： 　　（1）简单，但有时会遇到合并点选择困难的情况； 　　（2）一旦一组对象被合并，不能撤销； 　　（3）算法的复杂度为O（n2）。 　　2.2 提出一种改进的AGNES算法 　　传统AGNES算法必须事先指定聚类簇个数，即K值固定，而移动端POS机发生交易的位置一般会聚集在一片或几片区域，具体的区域数量事先不确定，也就是簇的个数K不能确定[3]。本文采用改进的AGNES算法获得聚集区域，给定约束条件使算法可以自行计算出最终所需的K值。 　　改进后的AGNES算法不断将距离最近的两个聚类簇进行合并，直至同一簇内距离最远的两个点的距离dε（ε为自定义的距离门限）。 　　算法采用的距离度量为欧氏距离。两个样本a（xa1， xa2， …， xan）和b（xb1， xb2， …， xbn）间的欧式距离为： 　　显然，最小距离由两个簇的最近样本决定，最大距离由两个簇的最远样本决定，平均距离由两个簇的所有