王正刚，刘 忠，刘 伟，金 瑾

（1.中国科学院 成都计算机应用研究所，四川 成都 610041；2. 中华人民共和国成都海关，四川 成都 610041；3.中国科学院大学，北京 100049；4.成都信息工程大学，四川 成都 610103）

0 引 言

海关风险布控是海关入境检疫和安全的重要保障，海关监管人员综合各类风险信息数据，对照商品货物报关单、舱单信息，分析商品货物中可能存在的风险，依据经验对某些高风险商品进行布控，进入人工查验环节的过程。传统风险布控流程智能化程度较低，风险分析和布控的标准无法统一，准确率和布控查获率较低，无法满足海量商品单证风险分析的需要。因此，迫切需要实现该工作流程的智能化和系统化，这一流程的智能化要解决海关表格数据的分类。对于数据分类问题，本质上是要构造一个函数，将连续型变量映射成离散型变量。假设D(X)是实例空间X上的一个概率分布，S是从众多海关数据中抽取的训练集，训练集S中的每个实例都以概率分布D(X)从实例空间X中取得，x为S中的样本。训练集S被选中的概率P满足如下公式：

海关智能化风险布控的目标如式（1）所示，根据训练集S构造一个分类模型，预测实例空间X中实例的分类。假设c*是实例空间X的正确的分类函数，即对于任意的x∈X，c*(x)是它正确的分类。显然，c*可以完全由集合{x∈X：c*(x)=1}确定。为了描述方便，可以令c*={x∈X：c*(x)=1}。然后，令h为由训练集S构造的分类器，则分类器h的真正错误概率可以定义为：

式中，hΔc*={x∈X：h(x)≠c*(x)}是h和c*的异或集。同时，分类器h的实验错误概率可以定义为：