| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·系统开发背景 | 第9-10页 |
| ·系统设计的目的 | 第10-11页 |
| ·系统研究方法 | 第11-12页 |
| ·论文简介 | 第12-13页 |
| 第二章 数据挖掘与支持向量机 | 第13-28页 |
| ·数据挖掘 | 第13-14页 |
| ·数据挖掘的概念 | 第13页 |
| ·数据挖掘的过程 | 第13-14页 |
| ·数据挖掘技术 | 第14-16页 |
| ·数据挖掘中基本技术 | 第14-15页 |
| ·数据挖掘的应用特点 | 第15-16页 |
| ·数据挖掘技术与统计学的关系 | 第16页 |
| ·统计学习理论(Statistical Learning Theory) | 第16-22页 |
| ·损失函数和期望风险 | 第17-18页 |
| ·经验风险最小化归纳原则 | 第18页 |
| ·VC 维与一致性 | 第18-19页 |
| ·经验风险最小化归纳原则的一致收敛性 | 第19-20页 |
| ·结构风险最小化 | 第20-22页 |
| ·支持向量机的数学模型 | 第22-25页 |
| ·线性支持向量机 | 第23-25页 |
| ·非线性支持向量机 | 第25页 |
| ·支持向量机训练算法 | 第25-27页 |
| ·选块算法（Chunking） | 第26页 |
| ·分解算法 | 第26页 |
| ·序列最小优化算法（SMO） | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 保险业务数据挖掘系统总体设计 | 第28-42页 |
| ·项目背景 | 第28页 |
| ·数据挖掘的目标 | 第28-29页 |
| ·数据挖掘系统的任务 | 第29-30页 |
| ·数据挖掘系统的功能模块组成 | 第30-32页 |
| ·系统体系架构 | 第32-34页 |
| ·算法选择 | 第34-38页 |
| ·算法处理流程 | 第34-35页 |
| ·核函数的选择 | 第35-37页 |
| ·增量算法设计 | 第37-38页 |
| ·系统运行环境 | 第38页 |
| ·设计流程 | 第38-41页 |
| ·挖掘任务的确立 | 第40页 |
| ·数据准备 | 第40页 |
| ·数据建模 | 第40页 |
| ·模型评估 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 保险业务数据挖掘系统详细设计 | 第42-67页 |
| ·业务解释 | 第42-43页 |
| ·软件运行环境 | 第43-44页 |
| ·硬件环境 | 第43页 |
| ·软件环境 | 第43页 |
| ·系统工具设置 | 第43-44页 |
| ·系统主流程及设计 | 第44-50页 |
| ·系统界面设置 | 第45-46页 |
| ·系统详细设计 | 第46-50页 |
| ·数据准备 | 第50-59页 |
| ·数据描述 | 第50-55页 |
| ·数据预处理 | 第55-57页 |
| ·数据选择 | 第57-59页 |
| ·数据修正 | 第59页 |
| ·数据建模 | 第59-61页 |
| ·后期校验 | 第61-62页 |
| ·模型评估 | 第62-63页 |
| ·系统运行状况 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 结论与展望 | 第67-68页 |
| ·本文的主要结论 | 第67页 |
| ·有待进一步研究的问题 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |