1.一种行业分类与异常识别的方法，所述方法基于通话行为，通过持续学习实现行业分类与异常识别，
2.如权利要求1所述的方法，步骤s1中，所述呼叫行为信息包括所述注册电话号码的1至n个月的提取通话记录、提取访问地区记录和提取短信收发记录。
3.如权利要求1所述的方法，步骤s2中，所述机器学习算法采用持续学习算法思路为寻找一个超平面将样本中的正样本圈，用这个超平面做决策预测，在圈内的样本就是预测到的目标对象。
4.如权利要求3所述的方法，所述持续学习算法思路为寻找一个超平面将样本中的正样本圈，通过设产生的超球体参数为中心o和对应的超球体半径r>0，超球体体积v(r)被最小化，中心o是支持向量的线性组合，和传统svm方法相似，可以要求所有训练数据点x到中心的距离严格小于r，
5.如权利要求1所述的方法，步骤s3中，所述多点校正包括如下步骤：
6.如权利要求1所述的方法，步骤s4包括如下步骤：
7.一种行业分类与异常识别的装置，包括：
8.如权利要求7所述的装置，其中，持续学习算法模块的机器学习算法采用持续学习算法思路为寻找一个超平面将样本中的正样本圈，用这个超平面做决策预测，在圈内的样本就是预测到的目标对象，
9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的行业分类与异常识别程序，所述行业分类与异常识别程序被所述处理器执行时实现如权利要求1至6中任一项所述的行业分类与异常识别方法的步骤。
10.一种计算机存储介质，其中，所述计算机存储介质上存储有行业分类与异常识别程序，所述行业分类与异常识别程序被处理器执行时实现如权利要求1至6中任一项所述的行业分类与异常识别方法的步骤。