| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 寿险业务背景简介 | 第10-11页 |
| 1.2 国内外研究及应用现状 | 第11-13页 |
| 1.2.1 人工神经网络的研究现状 | 第11-12页 |
| 1.2.2 人工神经网络在寿险行业的应用现状 | 第12-13页 |
| 1.3 论文的主要研究内容及结构安排 | 第13-15页 |
| 第2章 人工神经网络技术的相关概述 | 第15-23页 |
| 2.1 人工神经网络理论概述 | 第15-17页 |
| 2.1.1 人工神经网络理论的提出 | 第15页 |
| 2.1.2 人工神经网络的基本原理 | 第15-16页 |
| 2.1.3 人工神经网络分类 | 第16页 |
| 2.1.4 人工神经网络的优缺点 | 第16-17页 |
| 2.2 BP 神经网络理论概述 | 第17-18页 |
| 2.3 BP 神经网络的学习算法及流程 | 第18-20页 |
| 2.3.1 BP 神经网络的学习算法描述 | 第18-19页 |
| 2.3.2 BP 神经网络模型算法流程 | 第19-20页 |
| 2.4 BP 神经网络的优缺点及应用领域 | 第20-22页 |
| 2.4.1 BP 神经网络的特点 | 第20-21页 |
| 2.4.2 BP 神经网络的缺陷 | 第21页 |
| 2.4.3 BP 神经网络的应用领域 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于 BP 神经网络技术的寿险营销系统 | 第23-32页 |
| 3.1 BP 神经网络技术应用于寿险营销系统的可行性 | 第23-24页 |
| 3.1.1 寿险营销系统的特点 | 第23-24页 |
| 3.1.2 BP 神经网络在寿险营销中应用的可行性 | 第24页 |
| 3.2 寿险营销系统相关概述 | 第24-29页 |
| 3.2.1 寿险营销系统数据来源 | 第24-25页 |
| 3.2.2 寿险营销系统的体系结构 | 第25-26页 |
| 3.2.3 寿险营销系统的功能结构框架 | 第26-29页 |
| 3.3 BP 神经网络技术在寿险营销系统中的应用分析 | 第29-31页 |
| 3.3.1 BP 神经网络技术应用于寿险营销系统的建模 | 第29页 |
| 3.3.2 寿险营销中的数据预处理技术 | 第29-30页 |
| 3.3.3 寿险营销中的数据补齐技术 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 BP 神经网络技术在寿险客户流失预测模块中的应用 | 第32-41页 |
| 4.1 寿险客户数据的特征提取及属性选择 | 第32-34页 |
| 4.2 寿险客户流失预测的 BP 神经网络设计 | 第34-38页 |
| 4.2.1 寿险司客户流失预测的 BP 神经网络结构 | 第34-36页 |
| 4.2.2 寿险客户流失预测的 BP 神经网络学习算法 | 第36-38页 |
| 4.3 模型的训练和检验 | 第38-40页 |
| 4.3.1 实验设置 | 第38-39页 |
| 4.3.2 实验结果及其分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 BP 神经网络技术在寿险营销风险预警模块中的应用 | 第41-55页 |
| 5.1 寿险营销风险预警评价指标体系的构建 | 第41-46页 |
| 5.1.1 寿险营销风险预警评价指标选择 | 第41-43页 |
| 5.1.2 营销风险预警评价指标原始数据的收集 | 第43-46页 |
| 5.2 基于 BP 神经网络技术的寿险营销风险预警模型构建 | 第46-53页 |
| 5.2.1 输入节点的确定 | 第46-48页 |
| 5.2.2 隐含层节点的确定 | 第48-49页 |
| 5.2.3 输出节点的确定 | 第49-50页 |
| 5.2.4 模型的训练和检验 | 第50-53页 |
| 5.3 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
