基于分类优先AHP方法的商业银行个人客户分类信用评分模型研究
| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 前言 | 第12-13页 |
| 1 绪论 | 第13-21页 |
| ·选题背景 | 第13-14页 |
| ·信用风险管理的国内外研究现状和趋势 | 第14-18页 |
| ·信用风险管理国外研究现状与趋势 | 第14-15页 |
| ·信用风险管理国内研究现状与趋势 | 第15-18页 |
| ·数据挖掘在信用评价和划分中的应用现状 | 第18-19页 |
| ·论文的主要内容与创新点 | 第19-21页 |
| 2 数据挖掘技术与个人银行业务信用操作概述 | 第21-32页 |
| ·数据挖掘技术 | 第21-26页 |
| ·商务智能基本概念 | 第21-22页 |
| ·数据挖掘基本概念 | 第22-26页 |
| ·个人银行业务概述 | 第26-27页 |
| ·个人银行业务基本概念 | 第26-27页 |
| ·个人银行业务分类 | 第27页 |
| ·个人银行业务的客户信用风险概述 | 第27-29页 |
| ·信用风险定义 | 第28页 |
| ·信用风险成因 | 第28-29页 |
| ·银行个人信用评价方法 | 第29-31页 |
| ·银行个人行为评分方法 | 第31-32页 |
| 3 基于分类优先的AHP 方法概述 | 第32-44页 |
| ·传统AHP 方法概述 | 第32-33页 |
| ·传统AHP 基本概念 | 第32页 |
| ·传统AHP 决策步骤 | 第32-33页 |
| ·数据挖掘分类方法概述 | 第33-38页 |
| ·分类方法选择 | 第33-35页 |
| ·决策树基本概念 | 第35页 |
| ·本文使用的决策树分类算法概述 | 第35-38页 |
| ·数据挖掘聚类方法概述 | 第38-41页 |
| ·聚类方法选择 | 第38-40页 |
| ·本文使用的聚类算法概述 | 第40-41页 |
| ·基于分类优先的AHP 方法 | 第41-44页 |
| ·基本思路 | 第42页 |
| ·改进AHP 方法的必要性 | 第42-44页 |
| 4 数据分类与聚类 | 第44-58页 |
| ·数据挖掘工具选择 | 第44-46页 |
| ·工具简介 | 第44-45页 |
| ·工具的使用 | 第45-46页 |
| ·数据来源 | 第46-47页 |
| ·使用C4.5 决策树归纳分类 | 第47-55页 |
| ·构造分类器 | 第47-52页 |
| ·利用测试数据验证分类器 | 第52-55页 |
| ·使用K-均值算法对良好记录进行聚类 | 第55-58页 |
| ·数据筛选 | 第55-56页 |
| ·对数据采用K-means 算法进行聚类 | 第56-58页 |
| 5 基于分类优先AHP 方法确定的信用评价模型 | 第58-78页 |
| ·确立信用度分析表 | 第58-76页 |
| ·簇间比较 | 第58页 |
| ·采用AHP 方法分析各簇 | 第58-76页 |
| ·对评分模型进行测试 | 第76-78页 |
| ·对各簇测试对象进行评分 | 第76页 |
| ·传统方法与改进方法对比结果分析 | 第76-78页 |
| 6 总结与展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
| 后记 | 第82-83页 |
| 致谢 | 第83-84页 |
| 在读期间科研成果目录 | 第84页 |
