基于大数据技术的信用卡欺诈检测系统研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 信用卡欺诈 | 第13页 |
| 1.1.2 大数据的产生与发展 | 第13-14页 |
| 1.1.3 研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.2.1 信用卡欺诈检测研究现状 | 第15-16页 |
| 1.2.2 大数据研究现状 | 第16-17页 |
| 1.3 研究内容与论文结构 | 第17-21页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18-21页 |
| 第二章 相关技术概述 | 第21-35页 |
| 2.1 数据挖掘算法 | 第21-25页 |
| 2.1.1 监督学习算法 | 第21-23页 |
| 2.1.2 无监督学习算法 | 第23-25页 |
| 2.2 大数据关键技术 | 第25-34页 |
| 2.2.1 Hadoop | 第25-30页 |
| 2.2.2 Spark | 第30-31页 |
| 2.2.3 Storm | 第31-32页 |
| 2.2.4 HBase | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 信用卡欺诈检测工作流 | 第35-41页 |
| 3.1 工作流详述 | 第35-37页 |
| 3.2 工作流设计思想 | 第37-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 信用卡欺诈检测系统架构 | 第41-49页 |
| 4.1 分布式存储层 | 第41-42页 |
| 4.2 批处理训练层 | 第42-45页 |
| 4.3 键值对共享层 | 第45页 |
| 4.4 流处理检测层 | 第45页 |
| 4.5 系统与大数据Lambda架构的映射 | 第45-48页 |
| 4.5.1 Lambda架构 | 第45-47页 |
| 4.5.2 映射关系 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 基于大数据技术的系统实现 | 第49-61页 |
| 5.1 精确过滤器训练模块实现 | 第49-54页 |
| 5.1.1 逻辑斯蒂回归 | 第49-52页 |
| 5.1.2 决策树算法 | 第52-54页 |
| 5.2 快速过滤器训练模块实现 | 第54-58页 |
| 5.2.1 隐马尔科夫模型 | 第54-56页 |
| 5.2.2 DBSCAN | 第56-58页 |
| 5.3 流处理检测模块实现 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 实验评测分析 | 第61-71页 |
| 6.1 实验环境 | 第61-62页 |
| 6.2 信用卡交易数据生成 | 第62-64页 |
| 6.3 实验结果 | 第64-69页 |
| 6.3.1 分布式存储层性能 | 第64-65页 |
| 6.3.2 批处理训练层性能 | 第65-67页 |
| 6.3.3 键值对共享层性能 | 第67页 |
| 6.3.4 流处理检测层性能 | 第67-68页 |
| 6.3.5 系统整体性能分析 | 第68-69页 |
| 6.4 本章小结 | 第69-71页 |
| 全文总结 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间发表的学术论文 | 第81页 |
