| 目录 | 第1-10页 |
| 图表目录 | 第10-11页 |
| 第一章 序论 | 第11-17页 |
| ·知识发现和数据挖掘 | 第11-12页 |
| ·知识发现产生的原因和背景 | 第11页 |
| ·知识发现和数据挖掘的相关概念和过程 | 第11-12页 |
| ·实际课题的提出 | 第12-13页 |
| ·课题来源 | 第12-13页 |
| ·研究目的和意义 | 第13页 |
| ·国内外研究概况 | 第13-15页 |
| ·国内外对于知识发现的研究和应用概况 | 第13-15页 |
| ·国内外对于知识发现在金融反洗钱中的应用研究概况 | 第15页 |
| ·本文的研究工作及内容组织 | 第15-17页 |
| 第二章 知识发现和数据挖掘及其在金融领域中的应用 | 第17-33页 |
| ·知识发现的目标功能 | 第17-18页 |
| ·知识发现各阶段采用的技术概述 | 第18-20页 |
| ·数据清洗和集成 | 第18页 |
| ·数据转换 | 第18-19页 |
| ·数据挖掘 | 第19-20页 |
| ·知识评估和表示 | 第20页 |
| ·知识发现在金融领域中的应用概述 | 第20-24页 |
| ·知识发现在金融领域中应用的几个方面 | 第20-21页 |
| ·知识发现在金融领域中应用举例 | 第21-24页 |
| ·知识发现在金融反洗钱中的应用 | 第24-33页 |
| ·金融领域中洗钱的概念 | 第24-25页 |
| ·国内外关于反洗钱的相关法规措施 | 第25-27页 |
| ·反洗钱KDD系统 | 第27-33页 |
| 第三章 基于金融领域知识和统计学的数据预处理方法及应用 | 第33-44页 |
| ·数据预处理概述 | 第33-34页 |
| ·金融领域挖掘洗钱模式产生的新问题 | 第34页 |
| ·基于领域知识的数据预处理 | 第34-37页 |
| ·领域知识的表示 | 第35-37页 |
| ·金融领域知识和统计理论在数据预处理中的应用 | 第37-44页 |
| ·用编码划分方法表示和应用层次知识 | 第38页 |
| ·离散属性的类型知识表示 | 第38-39页 |
| ·数理统计在数据预处理中的应用 | 第39-42页 |
| ·数理统计特征领域知识的表示和应用 | 第42-44页 |
| 第四章 聚类挖掘中的离群数据分析及其在发现洗钱模式中的应用 | 第44-58页 |
| ·聚类的基本概念 | 第44-45页 |
| ·几种聚类算法概述 | 第45-47页 |
| ·分层的聚集 | 第45页 |
| ·不分层聚集 | 第45页 |
| ·基于密度的方法 | 第45-46页 |
| ·统计的方法 | 第46-47页 |
| ·神经网络的方法 | 第47页 |
| ·特例情况分析 | 第47-49页 |
| ·基于统计的方法 | 第47-48页 |
| ·基于距离的方法 | 第48页 |
| ·基于背离度的方法 | 第48-49页 |
| ·离群数据聚类分析在金融反洗钱领域中的应用 | 第49-55页 |
| ·为什么要选择离群数据聚类分析 | 第49页 |
| ·基于网格和密度的蚁群聚类算法 | 第49-51页 |
| ·改进的蚁群聚类算法及其在反洗钱中的应用 | 第51-55页 |
| ·反洗钱领域中其他可用的挖掘方法概述 | 第55-58页 |
| ·构造可疑性度量方法 | 第55-56页 |
| ·连接分析 | 第56-58页 |
| 第五章 实验系统 | 第58-73页 |
| ·系统概述 | 第58页 |
| ·领域知识的处理模块 | 第58-62页 |
| ·基于金融领域知识和统计理论的数据预处理 | 第62-67页 |
| ·预处理算法的验证 | 第62-64页 |
| ·FKDD实验系统 | 第64-67页 |
| ·改进的蚁群聚类算法挖掘可疑帐户 | 第67-73页 |
| 第六章 结束语 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 研究生期间主要科研工作和成果 | 第78页 |
| 学术论文 | 第78页 |
| 课题研究 | 第78页 |