| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1. 绪论 | 第11-14页 |
| 1.1 数据挖掘的基本概念 | 第11-12页 |
| 1.2 信用审核系统在信用卡业的应用和前景 | 第12-14页 |
| 2. 背景知识 | 第14-25页 |
| 2.1 数据挖掘定义 | 第14-15页 |
| 2.2 数据仓库定义 | 第15-16页 |
| 2.3 OLAP 和OLTP 的区别 | 第16页 |
| 2.4 数据挖掘常用的技术 | 第16-21页 |
| 2.5 信用卡概念 | 第21页 |
| 2.6 数据挖掘技术在信用卡业的应用 | 第21-23页 |
| 2.7 信用卡信用审核系统的意义 | 第23页 |
| 2.8 信用卡风险审核系统的作用 | 第23-25页 |
| 3. 总体设计 | 第25-39页 |
| 3.1 平安征信审核流程详解 | 第25页 |
| 3.2 系统审核流程 | 第25-28页 |
| 3.3 PACES 体系架构 | 第28-29页 |
| 3.4 PACES 功能模块 | 第29-33页 |
| 3.5 平安信用卡数据挖掘分析系统与PACES 的集成 | 第33-35页 |
| 3.6 平安信用卡数据挖掘和分析系统功能模块 | 第35-37页 |
| 3.7 系统集成的体系架构 | 第37-38页 |
| 3.8 主要集成和映射的模块 | 第38-39页 |
| 4. 关键技术 | 第39-53页 |
| 4.1 决策树 | 第39-40页 |
| 4.2 决策树算法的优缺点 | 第40-41页 |
| 4.3 基于决策树改进的SLIQ 算法介绍和特点 | 第41页 |
| 4.4 SLIQ 算法主要思想 | 第41-42页 |
| 4.5 算法设想输入输出 | 第42-45页 |
| 4.6 SLIQ 算法的改进 | 第45-49页 |
| 4.7 平安银行改进SLIQ 算法总结 | 第49-52页 |
| 4.8 当前改进型SLIQ 算法在系统中应用所存在的不足和缺陷 | 第52-53页 |
| 5 信用卡客户信用评分模型 | 第53-63页 |
| 5.1 信用模型的意义 | 第53-54页 |
| 5.2 分析模型的实现 | 第54-61页 |
| 5.3 信用评分模型实现总结 | 第61-63页 |
| 6. 系统测试和验证 | 第63-74页 |
| 6.1 数据样本采集 | 第63页 |
| 6.2 数据规模 | 第63-64页 |
| 6.3 测试条件 | 第64页 |
| 6.4 系统流程 | 第64-65页 |
| 6.5 系统实现测试用例举例 | 第65-70页 |
| 6.5.1 信用结论映射功能测试 | 第65-70页 |
| 6.6 系统测试结果汇总统计 | 第70-71页 |
| 6.7 测试结果分析 | 第71-72页 |
| 6.8 系统存在的缺陷和不足 | 第72-74页 |
| 7.总结和展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文 | 第80-82页 |