基于SVM的电信客户欺诈检测技术应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景和研究意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·关于电信客户欺诈检测的研究 | 第12-13页 |
| ·相关领域的欺诈检测的研究 | 第13-14页 |
| ·研究思路与研究内容 | 第14-15页 |
| ·研究思路 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·研究方法 | 第15-18页 |
| 第2章 支持向量机发展及相关理论基础 | 第18-27页 |
| ·支持向量机的发展过程 | 第18-19页 |
| ·支持向量机相关理论 | 第19-23页 |
| ·最优分类超平面 | 第21-22页 |
| ·广义最优分类超平面 | 第22页 |
| ·核函数 | 第22-23页 |
| ·分类支持向量机的构造 | 第23页 |
| ·机器学习相关理论 | 第23-24页 |
| ·统计学习相关理论 | 第24-26页 |
| ·VC理论 | 第25页 |
| ·结构风险最小化准则 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于OV-SVM的数据集分类方法 | 第27-36页 |
| ·单向量支持向量机 | 第28-30页 |
| ·基于超平面的OV-SVM | 第29页 |
| ·基于超球体的OV-SVM | 第29-30页 |
| ·随机选择算法 | 第30-31页 |
| ·基于OV-SVM的分类过程 | 第31-34页 |
| ·数据约简 | 第32页 |
| ·OV-SVM训练 | 第32-33页 |
| ·数据恢复 | 第33页 |
| ·SVM分类 | 第33-34页 |
| ·实验结果 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 SVM在电信客户欺诈中的应用 | 第36-46页 |
| ·电信欺诈定义、分类与模型建立的需求 | 第36-38页 |
| ·电信欺诈的定义 | 第36页 |
| ·电信客户欺诈的分类 | 第36-37页 |
| ·模型建立的需求 | 第37-38页 |
| ·目标定义 | 第38页 |
| ·数据预处理 | 第38-41页 |
| ·数据采集 | 第38-39页 |
| ·数据清洗 | 第39-40页 |
| ·数据转换 | 第40页 |
| ·特征选择方法 | 第40-41页 |
| ·建立用户模型 | 第41-44页 |
| ·欺诈检测建模 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 检测模型的应用测试 | 第46-51页 |
| ·系统检测环境 | 第46-48页 |
| ·模型评价 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59页 |
