数据挖掘在保险商务智能系统中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·商务智能的体系结构 | 第11页 |
| ·商务智能系统在保险业的应用 | 第11-12页 |
| ·本文的研究工作 | 第12-14页 |
| 2 数据仓库和数据挖掘概述 | 第14-23页 |
| ·数据仓库概述 | 第14-16页 |
| ·数据结构的参照结构 | 第15页 |
| ·OLAP 技术 | 第15-16页 |
| ·数据挖掘简介 | 第16-23页 |
| ·数据挖掘过程 | 第17-18页 |
| ·数据挖掘的主要技术 | 第18-20页 |
| ·数据挖掘在保险业的应用 | 第20-23页 |
| 3 保险数据仓库的建立 | 第23-35页 |
| ·保险数据仓库简介 | 第23-24页 |
| ·保险数据仓库的结构和功能 | 第24-25页 |
| ·保险数据仓库的总体设计 | 第25-28页 |
| ·概念模型设计 | 第25-27页 |
| ·逻辑模型设计 | 第27-28页 |
| ·ETL 的设计和实现 | 第28-30页 |
| ·ETL过程,数据源到Stage | 第29页 |
| ·Stage 内部处理 | 第29页 |
| ·Stage 到 DW | 第29-30页 |
| ·DW到BI Platform | 第30页 |
| ·数据仓库分析与设计实例 | 第30-35页 |
| ·业务数据模型构建 | 第30-31页 |
| ·OLAP 分析 | 第31-35页 |
| 4 数据挖掘的相关算法 | 第35-48页 |
| ·关联规则 | 第35-43页 |
| ·经典Apriori 挖掘算法 | 第36页 |
| ·频繁模式增长FP-tree 算法及其改进算法 | 第36-43页 |
| ·基于划分的聚类挖掘 | 第43-46页 |
| ·决策树算法 | 第46-48页 |
| ·决策树概述 | 第46页 |
| ·PUBLIC 算法 | 第46-48页 |
| 5 保险客户分析的三个模型 | 第48-54页 |
| ·OLE DB | 第50页 |
| ·分析模型的实现 | 第50-52页 |
| ·模型创建 | 第50页 |
| ·模型训练 | 第50-51页 |
| ·模型预测 | 第51页 |
| ·模型解释 | 第51-52页 |
| ·预测模型标记语言 | 第52-53页 |
| ·Java 数据挖掘API | 第53-54页 |
| 6 BI 系统的实现和数据展现 | 第54-61页 |
| ·体系结构 | 第54-55页 |
| ·数据抽取、转化、装载系统 | 第55-56页 |
| ·数据集市 | 第56页 |
| ·模型结果展示 | 第56-61页 |
| 7 结束语与展望 | 第61-63页 |
| ·研究总结 | 第61页 |
| ·今后研究方向 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
