基于深度学习技术的信用卡交易欺诈侦测研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 课题研究的目的及意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.5 论文结构 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第二章 信用卡交易欺诈侦测模型研究 | 第18-28页 |
| 2.1 基本概念 | 第18-19页 |
| 2.2 信用卡交易欺诈评分模型 | 第19-22页 |
| 2.2.1 交易欺诈评分模型简介 | 第19-20页 |
| 2.2.2 交易欺诈评分模型的评估 | 第20-22页 |
| 2.3 两种典型的交易欺诈评分模型 | 第22-25页 |
| 2.3.1 基于规则的交易欺诈评分模型 | 第22-23页 |
| 2.3.2 基于人工智能的交易欺诈评分模型 | 第23-24页 |
| 2.3.3 两种典型交易欺诈评分模型的比较 | 第24-25页 |
| 2.4 交易反欺诈系统 | 第25-27页 |
| 2.4.1 交易反欺诈系统流程 | 第25-27页 |
| 2.4.2 国内外反交易欺诈系统与产品 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 深度学习技术 | 第28-40页 |
| 3.1 深度学习概述 | 第28-29页 |
| 3.2 传统神经网络基本知识 | 第29-32页 |
| 3.2.1 神经元模型 | 第29-30页 |
| 3.2.2 传统神经网络模型 | 第30-32页 |
| 3.2.3 传统神经网络的缺陷 | 第32页 |
| 3.3 深度学习神经网络 | 第32-39页 |
| 3.3.1 深度学习的基本思想 | 第33页 |
| 3.3.2 深度学习的常用方法 | 第33-39页 |
| 3.3.3 深度学习算法优缺点 | 第39页 |
| 3.4 小结 | 第39-40页 |
| 第四章 基于深度学习的信用卡交易欺诈侦测系统构建 | 第40-50页 |
| 4.1 原型系统结构设计 | 第40-42页 |
| 4.2 数据预处理模块 | 第42-45页 |
| 4.2.1 变量衍生 | 第43-44页 |
| 4.2.2 数据清洗和转换 | 第44-45页 |
| 4.2.3 变量选择 | 第45页 |
| 4.3 DBN训练模块 | 第45-48页 |
| 4.3.1 无监督学习 | 第46-47页 |
| 4.3.2 逻辑回归分类 | 第47页 |
| 4.3.3 反馈微调 | 第47-48页 |
| 4.4 输出模块 | 第48页 |
| 4.5 监控模块 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 系统验证 | 第50-58页 |
| 5.1 数据预处理 | 第50-54页 |
| 5.1.1 变量衍生 | 第51-52页 |
| 5.1.2 连续属性离散化 | 第52-53页 |
| 5.1.3 变量选择 | 第53-54页 |
| 5.2 DBN模型训练 | 第54-56页 |
| 5.3 DBN模型测试验证及结果分析 | 第56-57页 |
| 5.4 小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 下一步工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
