| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究主题与研究目的 | 第11-12页 |
| ·研究主题来源与背景 | 第11-12页 |
| ·研究目的和意义 | 第12页 |
| ·国内外研究现状概述 | 第12-16页 |
| ·知识发现与数据挖掘 | 第12-13页 |
| ·数据挖掘的研究和应用趋势 | 第13-14页 |
| ·数据挖掘在反洗钱中应用的研究现状和趋势 | 第14-16页 |
| ·论文的研究方法、研究内容及论文的组织 | 第16-17页 |
| 第2章 数据挖掘及基于数据挖掘的银行反洗钱系统 | 第17-31页 |
| ·数据挖掘的基本概念 | 第17-22页 |
| ·数据挖掘的目标 | 第17-18页 |
| ·数据挖掘系统的典型结构及基本步骤 | 第18-20页 |
| ·基本的数据挖掘技术 | 第20-21页 |
| ·数据挖掘的研究应用及前景 | 第21-22页 |
| ·洗钱与基于数据挖掘的银行反洗钱系统 | 第22-30页 |
| ·洗钱的基本概念 | 第22-23页 |
| ·当前洗钱犯罪的形势及其危害 | 第23-24页 |
| ·基于数据挖掘的银行反洗钱系统 | 第24-25页 |
| ·反洗钱中主要的数据挖掘技术 | 第25-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 分类规则挖掘算法和洗钱检测算法设计及分析 | 第31-42页 |
| ·基于决策分类熵的决策树构造算法 | 第31-38页 |
| ·算法背景 | 第31页 |
| ·算法相关的基本概念 | 第31-33页 |
| ·基于决策分类熵的决策树构造算法 | 第33-35页 |
| ·算法举例与分析 | 第35-37页 |
| ·在金融领域数据集上的实验分析 | 第37-38页 |
| ·基于改进最小生成树聚类的洗钱检测算法 | 第38-41页 |
| ·算法背景 | 第38-39页 |
| ·相异度度量设计 | 第39页 |
| ·改进的MST 聚类算法简析 | 第39-40页 |
| ·基于改进MST 聚类的洗钱交易检测算法 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于异常知识发现和增量学习的银行反洗钱系统 | 第42-52页 |
| ·需求分析 | 第42页 |
| ·系统设计 | 第42-51页 |
| ·系统结构 | 第42-44页 |
| ·系统处理流程 | 第44-46页 |
| ·知识库与知识的增量学习 | 第46-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 系统实现及实验分析 | 第52-57页 |
| ·系统概述 | 第52-53页 |
| ·实验过程及结果分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·论文工作总结 | 第57-58页 |
| ·对未来工作的展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |