| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 论文主要工作及组织结构 | 第16-18页 |
| 1.3.1 本文主要工作 | 第16页 |
| 1.3.2 本文组织结构 | 第16-18页 |
| 第二章 离群值挖掘算法理论分析 | 第18-34页 |
| 2.1 数据挖掘概述 | 第18-24页 |
| 2.1.1 数据挖掘的功能 | 第19-22页 |
| 2.1.2 数据挖掘常用技术 | 第22-24页 |
| 2.2 离群值挖掘算法概述 | 第24-32页 |
| 2.2.1 离群点定义及产生原因 | 第24-25页 |
| 2.2.2 离群值挖掘应用 | 第25-26页 |
| 2.2.3 离群值挖掘的常用算法 | 第26-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 欺诈交易侦测模型构建 | 第34-46页 |
| 3.1 侦测欺诈交易不同建模方法 | 第34-36页 |
| 3.1.1 无监督方法 | 第34页 |
| 3.1.2 有监督方法 | 第34-35页 |
| 3.1.3 半监督方法 | 第35-36页 |
| 3.2 离群值排序模型 | 第36-40页 |
| 3.2.1 无监督排序模型 | 第36页 |
| 3.2.2 有监督排序模型 | 第36-40页 |
| 3.2.3 半监督排序模型 | 第40页 |
| 3.3 模型评价和选择 | 第40-43页 |
| 3.3.1 分类器准确率度量 | 第40-41页 |
| 3.3.2 提升图和PR曲线 | 第41-42页 |
| 3.3.3 标准价格的标准化距离 | 第42-43页 |
| 3.4 实验方法 | 第43-45页 |
| 3.4.1 保持方法(Holdout) | 第43-44页 |
| 3.4.2 交叉验证(Cross-Validation) | 第44-45页 |
| 3.4.3 自助法(Bootstrap) | 第45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 欺诈交易侦测实例研究 | 第46-64页 |
| 4.1 数据处理 | 第46-53页 |
| 4.1.1 商业理解(Business Understanding) | 第46页 |
| 4.1.2 数据理解(Data Understanding) | 第46页 |
| 4.1.3 数据准备(Data Preparation) | 第46-53页 |
| 4.2 建模(Modeling) | 第53-57页 |
| 4.2.1 LOF方法实现 | 第53-54页 |
| 4.2.2 简单贝叶斯模型实现 | 第54-55页 |
| 4.2.3 AdaBoost.M1模型实现 | 第55-56页 |
| 4.2.4 半监督的自我训练模型实现 | 第56-57页 |
| 4.3 结果分析及评估(Model Evaluation) | 第57-63页 |
| 4.3.1 无监督的LOF结果分析 | 第57-59页 |
| 4.3.2 有监督的简单贝叶斯模型结果分析 | 第59-60页 |
| 4.3.3 有监督的AdaBoost模型结果分析 | 第60-62页 |
| 4.3.4 半监督的自我训练模型结果分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 内容总结及结论 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |
