| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.2.1 理论意义 | 第12页 |
| 1.2.2 现实意义 | 第12-13页 |
| 1.3 研究目的和研究方法 | 第13页 |
| 1.4 论文内容和结构 | 第13-15页 |
| 第二章 概念界定与文献综述 | 第15-27页 |
| 2.1 数据挖掘技术在审计中的应用研究综述 | 第15-17页 |
| 2.1.1 数据挖掘概述 | 第15-16页 |
| 2.1.2 数据挖掘技术在审计中的应用 | 第16-17页 |
| 2.2 聚类和分类技术在审计中的应用研究综述 | 第17-23页 |
| 2.2.1 聚类和分类技术概述 | 第17-20页 |
| 2.2.2 聚类和分类技术在审计中的应用研究综述 | 第20-23页 |
| 2.3 聚类和分类技术在保险公司中的应用案例 | 第23-25页 |
| 2.3.1 国外经典案例 | 第23-24页 |
| 2.3.2 国内经典案例 | 第24-25页 |
| 2.4 对本文的启发和借鉴 | 第25-27页 |
| 第三章 农业保险公司风险审计存在的问题及数据审计基本框架设计 | 第27-42页 |
| 3.1 农业保险公司风险审计存在的问题 | 第27-33页 |
| 3.1.1 我国农业保险基本情况介绍 | 第27-29页 |
| 3.1.2 农业保险公司风险审计现状 | 第29-30页 |
| 3.1.3 农业保险公司面临的问题 | 第30-33页 |
| 3.2 农业保险公司利用数据挖掘进行风险审计的必要性和可行性 | 第33-36页 |
| 3.2.1 农业保险公司面临问题的对策分析 | 第33-34页 |
| 3.2.2 农业保险公司利用数据挖掘进行风险审计的必要性 | 第34-35页 |
| 3.2.3 农业保险公司利用数据挖掘进行风险审计的可行性 | 第35-36页 |
| 3.3 农业保险公司客户数据审计的基本框架设计 | 第36-42页 |
| 3.3.1 审计目标的确定 | 第36-37页 |
| 3.3.2 数据准备及数据预处理 | 第37-38页 |
| 3.3.3 数据挖掘模型的构建 | 第38页 |
| 3.3.4 模型的运用及评估 | 第38-41页 |
| 3.3.5 审计决策 | 第41-42页 |
| 第四章 聚类和分类技术在农业保险客户风险审计项目中的具体运用 | 第42-58页 |
| 4.1 基于聚类技术的投保农户风险等级划分模型 | 第42-52页 |
| 4.1.1 数据准备及数据预处理 | 第42-46页 |
| 4.1.2 构建基于k-means算法的数据挖掘模型 | 第46-47页 |
| 4.1.3 聚类模型的运用及评估 | 第47-51页 |
| 4.1.4 保险费率的厘定 | 第51-52页 |
| 4.2 基于分类技术的投保农户风险等级划分优化模型 | 第52-56页 |
| 4.2.1 数据准备及数据预处理 | 第53页 |
| 4.2.2 构建基于随机森林的数据挖掘模型 | 第53-54页 |
| 4.2.3 分类模型的运用及评估 | 第54-56页 |
| 4.3 建立基于数据挖掘技术的客户风险等级划分模型总结 | 第56-58页 |
| 第五章 应用数据挖掘技术进行客户风险审计的建议 | 第58-61页 |
| 5.1 丰富数据来源 | 第58页 |
| 5.2 重视数据预处理过程 | 第58-59页 |
| 5.3 基于具体审计目标构建数据挖掘模型 | 第59页 |
| 5.4 多角度评估模型 | 第59-60页 |
| 5.5 提高审计师能力 | 第60-61页 |
| 第六章 结论和展望 | 第61-65页 |
| 6.1 研究结论和创新 | 第61-63页 |
| 6.1.1 研究结论 | 第61-62页 |
| 6.1.2 研究创新 | 第62-63页 |
| 6.2 研究不足 | 第63-64页 |
| 6.3 未来展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-75页 |
