一种交易管理系统及其数据处理方法与流程

本技术涉及数据处理，更具体的说，本技术涉及一种交易管理系统及其数据处理方法。

背景技术：

1、数据处理是系统工程和自动控制的基本环节，贯穿于社会生产和社会生活的各个领域，数据处理技术指的是用于收集、存储、处理、分析和展示数据的方法和工具，可对数据信息的潜在价值进行挖掘及处理异常信息等，极大地推动了人类社会发展的进程。

2、通常需要对交易管理系统的数据进行处理，现有技术中对交易管理系统的数据进行处理是通过提取交易管理系统中的交易数据的数据特征，对该数据特征进行分类，并根据该分类结果对交易管理系统中的交易数据进行异常识别，但是这种方法只是一种简易识别模式，在对数据特征的分类过程中缺乏对照组，使得分类结果的质量过低，从而导致无法通过分类结果对交易管理系统中的异常数据进行准确识别。

技术实现思路

1、本技术提供一种交易管理系统及其数据处理方法，可提高数据特征的分类质量，实现对交易管理系统中异常数据的准确识别。

2、第一方面，本技术提供一种交易管理系统的数据处理方法，包括如下步骤：

3、获取交易管理系统的交易时序数据；

4、对所述交易时序数据进行去冗余处理，得到消冗数据；

5、确定所述消冗数据的分解节点集，根据所述分解节点集确定所述消冗数据的时序特征集和特征维度域；

6、获取所述特征维度域中的一个特征维度，由该个特征维度确定所述时序特征集的特征分类集，进而根据所述特征分类集确定该个特征维度对应的类间互相关度，继续确定所述特征维度域中剩余特征维度对应的类间互相关度；

7、通过所有类间互相关度确定最终选定的特征分类集，依据所述最终选定的特征分类集对交易管理系统的数据进行划分。

8、在一些实施例中，根据所述分解节点集确定所述消冗数据的时序特征集和特征维度域具体包括：

9、根据所述分解节点集确定所述消冗数据的特征维度域；

10、根据所述分解节点集对所述消冗数据进行分解，得到多个消冗交易数据分量；

11、确定每个消冗交易数据分量的中心；

12、通过各个消冗交易数据分量的中心确定所述消冗数据的时序特征集。

13、在一些实施例中，通过各个消冗交易数据分量的中心确定所述消冗数据的时序特征集具体包括：

14、选取一个消冗交易数据分量的中心；

15、确定该个消冗交易数据分量中所有交易数据的总个数；

16、根据该个消冗交易数据分量的中心和该个消冗交易数据分量中所有交易数据的总个数确定对应消冗交易数据分量的时序特征，重复上述步骤，确定剩余消冗交易数据分量的时序特征；

17、根据所有消冗交易数据分量的时序特征组成的时序特征集。

18、在一些实施例中，由该个特征维度确定所述时序特征集的特征分类集具体包括：

19、通过该个特征维度确定所述时序特征集中多个时序特征临时中心；

20、由所述时序特征集确定每个时序特征临时中心对应的时序特征临时类；

21、确定每个时序特征临时类的中心；

22、根据所有时序特征临时类和各个时序特征临时类的中心确定所述特征维度对应的分类控制量；

23、通过所述分类控制量确定所述时序特征集的特征分类集。

24、在一些实施例中，根据所述特征分类集确定该个特征维度对应的类间互相关度具体包括：

25、获取所述特征分类集中每个时序特征类的中心；

26、确定每个时序特征类的离散度；

27、确定每个时序特征类的多个类外中心；

28、确定每个时序特征类的各个类外中心分别对应的离散度；

29、根据每个时序特征类的中心、每个时序特征类的离散度、每个时序特征类的所有类外中心和每个时序特征类的各个类外中心分别对应的离散度确定该个特征维度对应的类间互相关度。

30、在一些实施例中，通过所有类间互相关度确定最终选定的特征分类集具体包括：

31、选取所有类间互相关度中取值最大的类间互相关度；

32、由所述取值最大的类间互相关度确定最终选定的特征分类集。

33、在一些实施例中，依据所述最终选定的特征分类集对交易管理系统的数据进行划分具体包括：

34、确定所述最终选定的特征分类集中每个时序特征类对应的划分决策量；

35、由所有划分决策量对交易管理系统的数据进行划分。

36、第二方面，本技术提供一种交易管理系统，包括有数据处理单元，所述数据处理单元包括：

37、获取模块，用于获取交易管理系统的交易时序数据；

38、处理模块，用于对所述交易时序数据进行去冗余处理，得到消冗数据；

39、所述处理模块，还用于确定所述消冗数据的分解节点集，根据所述分解节点集确定所述消冗数据的时序特征集和特征维度域；

40、所述处理模块，还用于获取所述特征维度域中的一个特征维度，由该个特征维度确定所述时序特征集的特征分类集，进而根据所述特征分类集确定该个特征维度对应的类间互相关度，继续确定所述特征维度域中剩余特征维度对应的类间互相关度；

41、执行模块，用于通过所有类间互相关度确定最终选定的特征分类集，依据所述最终选定的特征分类集对交易管理系统的数据进行划分。

42、第三方面，本技术提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述计算机设备执行上述的交易管理系统的数据处理方法。

43、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令或代码，当指令或代码在计算机上运行时，使得计算机执行时实现上述的交易管理系统的数据处理方法。

44、本技术公开的实施例提供的技术方案具有以下有益效果：

45、本技术提供的一种交易管理系统及其数据处理方法中，获取交易管理系统的交易时序数据；然后对所述交易时序数据进行去冗余处理，得到消冗数据；确定所述消冗数据的分解节点集，根据所述分解节点集确定所述消冗数据的时序特征集和特征维度域；获取所述特征维度域中的一个特征维度，由该个特征维度确定所述时序特征集的特征分类集，根据所述特征分类集确定该个特征维度对应的类间互相关度，继续确定所述特征维度域中剩余特征维度对应的类间互相关度；最后通过所有类间互相关度确定最终选定的特征分类集，依据所述最终选定的特征分类集对交易管理系统的数据进行划分，可见本技术中确定所述特征维度域中每个特征维度对应的类间互相关度，由于类间互相关度是根据特征维度对时序特征集进行分类时得到的各个时序特征类之间的互相关程度，因此，可以作为根据所有特征维度对时序特征集进行分类得到的各个分类结果之间相互作对比的对照量，当一个类间互相关度的取值越低时，获取该个类间互相关度对应的特征维度，则根据该特征维度对时序特征集进行分类得到的分类结果中各个时序特征类之间的相互独立性越高，从而提高了数据特征的分类质量，实现对交易管理系统中异常数据的准确识别。