基于粗糙集和聚类的数据挖掘算法及其在反洗钱中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-35页 |
| ·研究目的和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-33页 |
| ·数据挖掘研究现状 | 第13-23页 |
| ·数据挖掘在反洗钱领域中的应用 | 第23-29页 |
| ·反洗钱信息系统 | 第29-33页 |
| ·论文的研究内容 | 第33-34页 |
| ·论文的组织结构 | 第34-35页 |
| 2 基于粗糙集的分类数据挖掘 | 第35-45页 |
| ·粗糙集理论概述 | 第35-38页 |
| ·基于粗糙集的数据挖掘 | 第38-41页 |
| ·粗糙集的定义 | 第38-39页 |
| ·基于粗糙集模型的知识表达 | 第39页 |
| ·基于粗糙集模型的数据挖掘算法 | 第39-41页 |
| ·算法分析 | 第41-44页 |
| ·复杂度分析 | 第41-42页 |
| ·实验对比分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 3 基于超图的高维数据聚类及其在洗钱侦测中的应用 | 第45-59页 |
| ·问题概述 | 第45-47页 |
| ·高维数据聚类问题 | 第47-49页 |
| ·高维数据的“维灾” | 第47-48页 |
| ·高维对聚类算法效率的影响 | 第48页 |
| ·高维数据聚类方法 | 第48-49页 |
| ·基于超图的高维数据聚类 | 第49-56页 |
| ·频繁项集和关联规则 | 第49页 |
| ·超图模型 | 第49-52页 |
| ·基于超图的聚类算法 | 第52-56页 |
| ·算法分析 | 第56-57页 |
| ·复杂度分析 | 第56页 |
| ·实验对比分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 4 基于解释规则的增量概念聚类算法 | 第59-72页 |
| ·相关聚类分析工作 | 第59-63页 |
| ·概念聚类 | 第59-60页 |
| ·K-MEANS 算法 | 第60-61页 |
| ·BIRCH 算法 | 第61-63页 |
| ·改进的动态增量概念聚类算法 | 第63-68页 |
| ·混合类型数据的距离计算 | 第64页 |
| ·确信因子(?)(Y ) 和包容因子k(Y ) | 第64-65页 |
| ·判决函数 | 第65页 |
| ·改进的增量概念聚类算法流程 | 第65-68页 |
| ·实验对比分析 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 5 反洗钱信息系统框架设计 | 第72-87页 |
| ·国外反洗钱信息系统概况 | 第72-75页 |
| ·美国FinCEN 的FAIS 系统 | 第72-74页 |
| ·澳大利亚AUSTRAC 的TRAQ 系统 | 第74-75页 |
| ·系统建设背景和目标 | 第75-78页 |
| ·国家外汇管理局信息化建设概况 | 第75-77页 |
| ·建设背景 | 第77-78页 |
| ·建设目标 | 第78页 |
| ·我国反洗钱系统框架 | 第78-86页 |
| ·洗钱侦测业务流程 | 第78-80页 |
| ·业务数据流程 | 第80-82页 |
| ·主要功能结构 | 第82-85页 |
| ·我国反洗钱系统总体框架 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 6 反洗钱信息系统实现 | 第87-100页 |
| ·系统支撑环境 | 第87-88页 |
| ·操作系统 | 第87页 |
| ·数据仓库和OLAP 服务 | 第87-88页 |
| ·前端展示工具 | 第88页 |
| ·WEB 服务器 | 第88页 |
| ·编程语言 | 第88页 |
| ·数据整合子系统 | 第88-91页 |
| ·整合数据源分析 | 第88-89页 |
| ·数据整合平台 | 第89-91页 |
| ·检测分析子系统开发 | 第91-98页 |
| ·微观分析 | 第92-97页 |
| ·宏观分析 | 第97-98页 |
| ·数据挖掘子系统开发 | 第98页 |
| ·系统推广应用效果 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 7 总结与展望 | 第100-103页 |
| ·论文总结 | 第100-101页 |
| ·未来工作展望 | 第101-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-115页 |
| 附录1 攻读学位期间发表的论文目录 | 第115-117页 |
| 附录2 攻读学位期间参与的科研项目 | 第117页 |
