基于数据挖掘的客户风险管理系统的设计与应用
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-17页 |
| 1.3 论文工作及创新 | 第17-18页 |
| 1.3.1 论文工作 | 第17-18页 |
| 1.3.2 创新之处 | 第18页 |
| 1.4 研究方法 | 第18-20页 |
| 第二章 关键技术简介 | 第20-24页 |
| 2.1 BP神经网络算法 | 第20-21页 |
| 2.1.1 数据挖掘技术 | 第20页 |
| 2.1.2 BP神经网络算法分类 | 第20页 |
| 2.1.3 K均值优化BP神经网络算法 | 第20-21页 |
| 2.2 相关技术 | 第21页 |
| 2.2.1 信贷信息化管理 | 第21页 |
| 2.2.2 动态链接库 | 第21页 |
| 2.2.3 数据传输 | 第21页 |
| 2.3 客户风险管理实时监控 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于数据挖掘的客户风险管理系统需求分析 | 第24-32页 |
| 3.1 系统总体需求分析 | 第24-25页 |
| 3.1.1 信贷风险实时监控面临的主要问题 | 第24页 |
| 3.1.2 体系结构及架构需求 | 第24-25页 |
| 3.1.3 可行性分析 | 第25页 |
| 3.2 系统功能性需求分析 | 第25-29页 |
| 3.2.1 风险信号预处理功能需求 | 第25-27页 |
| 3.2.2 预警任务管理功能需求 | 第27-29页 |
| 3.3 违规数据挖掘算法改进需求 | 第29页 |
| 3.4 非功能需求 | 第29-30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于数据挖掘的客户风险管理系统设计 | 第32-58页 |
| 4.1 系统体系结构设计 | 第32页 |
| 4.2 违规数据挖掘改进算法设计 | 第32-34页 |
| 4.2.1 K均值优化BP初始点的设计思想 | 第32-33页 |
| 4.2.2 改进算法的设计流程 | 第33-34页 |
| 4.3 系统功能设计 | 第34-47页 |
| 4.3.1 客户风险实时监测功能设计 | 第34-39页 |
| 4.3.2 风险信号预处理功能设计 | 第39-43页 |
| 4.3.3 预警任务管理功能设计 | 第43-47页 |
| 4.4 数据库设计 | 第47-56页 |
| 4.4.1 数据库总体结构 | 第47页 |
| 4.4.2 实体属性设计 | 第47-52页 |
| 4.4.3 实体关系图设计 | 第52页 |
| 4.4.4 主要表的设计 | 第52-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 基于数据挖掘的客户风险管理系统应用 | 第58-64页 |
| 5.1 系统开发环境的实现 | 第58页 |
| 5.1.1 软件环境的实现 | 第58页 |
| 5.1.2 硬件环境的实现 | 第58页 |
| 5.2 关键模块的实现 | 第58-62页 |
| 5.2.1 客户风险实时监测模块实现 | 第58-60页 |
| 5.2.2 风险信号预处理模块实现 | 第60页 |
| 5.2.3 预警任务管理功能实现 | 第60-62页 |
| 5.3 本章小结 | 第62-64页 |
| 第六章 基于数据挖掘的客户风险管理系统测试 | 第64-70页 |
| 6.1 系统测试环境 | 第64页 |
| 6.2 测试项目计划 | 第64-66页 |
| 6.2.1 功能测试 | 第65页 |
| 6.2.2 性能测试 | 第65-66页 |
| 6.3 系统测试内容 | 第66-68页 |
| 6.4 测试结果分析 | 第68-69页 |
| 6.5 本章小结 | 第69-70页 |
| 第七章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
