基于大数据挖掘和数据可视化技术的银行风险监控系统研究
摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 银行风险监控的研究背景和意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 主要工作和研究内容 | 第13-14页 |
1.4 结构安排 | 第14-15页 |
第二章 银行风险监控相关的基础理论 | 第15-27页 |
2.1 可视化技术 | 第15-18页 |
2.1.1 可视化基础 | 第15-16页 |
2.1.2 本课题用到的可视化技术 | 第16-18页 |
2.2 Nginx网页容器与反向代理技术 | 第18-19页 |
2.2.1 Nginx优点 | 第18-19页 |
2.2.2 Nginx进程间关系 | 第19页 |
2.3 基于Reids的数据订阅发布通信技术 | 第19-20页 |
2.3.1 Redis介绍 | 第19-20页 |
2.3.2 Redis优点 | 第20页 |
2.4 实时流数据处理平台 | 第20-21页 |
2.5 数据挖掘技术 | 第21-26页 |
2.5.1 传统ID3算法概述 | 第22-25页 |
2.5.2 朴素贝叶斯分类法 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第三章 银行风险监控需求分析 | 第27-33页 |
3.1 银行风险监控需求分析 | 第27-29页 |
3.1.1 监控平台的需求分析 | 第27页 |
3.1.2 业务风险监控需求 | 第27-29页 |
3.2 风险监控平台设计目标 | 第29-30页 |
3.3 风险监控平台设计理念 | 第30页 |
3.4 风险监控流程 | 第30-32页 |
3.5 本章小结 | 第32-33页 |
第四章 银行风险监控设计与实现 | 第33-68页 |
4.1 风险监控平台整体设计 | 第33-36页 |
4.1.1 风险监控平台物理架构 | 第33-34页 |
4.1.2 风险监控平台技术架构 | 第34-36页 |
4.2 基于决策树的ID3算法实践 | 第36-39页 |
4.2.1 利用ID3算法建立决策树 | 第36-37页 |
4.2.2 传统ID3算法实现 | 第37-39页 |
4.3 针对银行数据集改进ID3算法 | 第39-41页 |
4.3.1 限制决策树的深度 | 第39-41页 |
4.3.2 删除冗余属性 | 第41页 |
4.4 银行数据采集 | 第41-42页 |
4.5 海量数据分析 | 第42-46页 |
4.5.1 Nginx反向代理的配置 | 第42-43页 |
4.5.2 数据处理平台的设计与实现 | 第43-46页 |
4.6 数据推送平台的设计与实现 | 第46-53页 |
4.6.1 推送平台的整体设计 | 第46-47页 |
4.6.2 数据推送流程 | 第47-50页 |
4.6.3 推送平台管理系统的设计与实现 | 第50-52页 |
4.6.4 推送平台的环境配置 | 第52-53页 |
4.7 数据可视化平台的设计与实现 | 第53-63页 |
4.7.1 可视化平台整体框架 | 第53-55页 |
4.7.2 用户和数据管理部分的实现 | 第55-57页 |
4.7.3 获取展示数据 | 第57-59页 |
4.7.4 显示面板和新建面板流程 | 第59-62页 |
4.7.5 可视化平台环境配置 | 第62-63页 |
4.8 银行对客户资产信用评估的监控 | 第63-67页 |
4.8.1 原始数据采集和预处理 | 第63-65页 |
4.8.2 数据分类 | 第65页 |
4.8.3 根据风险规则进行数据分析 | 第65-67页 |
4.8.4 结果展示 | 第67页 |
4.9 本章小结 | 第67-68页 |
第五章 银行风险监控测试 | 第68-75页 |
5.1 测试环境硬件配置 | 第68页 |
5.2 改进后的分类算法性能测试 | 第68-69页 |
5.3 银行风险业务监控测试 | 第69-74页 |
5.3.1 银行对柜员风险操作的监控 | 第70-72页 |
5.3.2 失败业务交易监控 | 第72页 |
5.3.3 ATM大额资金变动监控 | 第72-74页 |
5.4 测试结果分析 | 第74页 |
5.5 本章小结 | 第74-75页 |
第六章 总结与展望 | 第75-76页 |
6.1 本课题的贡献 | 第75页 |
6.2 后期工作展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-81页 |
攻读硕士学位期间取得的成果 | 第81-82页 |