| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第9-10页 |
| ·面临的问题 | 第10-11页 |
| ·国内外概况和预测 | 第11-13页 |
| ·知识发现中的数据挖掘 | 第11-12页 |
| ·反洗钱系统 | 第12-13页 |
| ·论文的研究内容及其组织 | 第13-14页 |
| ·课题的来源及研究目标 | 第13页 |
| ·论文组织 | 第13-14页 |
| 第二章 数据挖掘技术在金融领域的应用 | 第14-30页 |
| ·知识发现和数据挖掘的基本概念和过程 | 第14-15页 |
| ·数据挖掘的目标功能 | 第15-16页 |
| ·知识发现各阶段采用的技术概述 | 第16-18页 |
| ·数据清洗和集成 | 第16页 |
| ·数据转换 | 第16-17页 |
| ·知识评估和表示 | 第17-18页 |
| ·知识发现在金融领域中的应用概述 | 第18-21页 |
| ·知识发现在金融领域中应用的几个方面 | 第18-19页 |
| ·知识发现在金融领域中应用举例 | 第19-21页 |
| ·知识发现在金融反洗钱中的应用 | 第21-30页 |
| ·金融领域中洗钱的概念 | 第21-22页 |
| ·国内外关于反洗钱的相关法规措施 | 第22-24页 |
| ·反洗钱KDD系统 | 第24-30页 |
| 第三章 基于金融领域知识和大型机平台的AML系统 | 第30-43页 |
| ·IBM大型机简介 | 第30-33页 |
| ·IBM大型机体系结构 | 第33-35页 |
| ·IBM大型机作业管理 | 第35-36页 |
| ·基于大型机的反洗钱系统 | 第36-41页 |
| ·AML的四大程序流程 | 第41-43页 |
| 第四章 增量聚类算法研究及其改进 | 第43-59页 |
| ·相异度(距离)的定义 | 第43-44页 |
| ·分类属性对象之间相异度的定义 | 第43-44页 |
| ·分类属性类之间相异度的定义 | 第44页 |
| ·相异度(距离)的计算 | 第44-47页 |
| ·数值型变量距离的计算 | 第44-45页 |
| ·离散序数型变量相异度的计算 | 第45页 |
| ·分类属性变量相异度的计算 | 第45页 |
| ·分类属性的特例——布尔属性变量相异度的计算 | 第45-46页 |
| ·混合类型变量相异度的计算 | 第46-47页 |
| ·传统的聚类算法 | 第47-50页 |
| ·BIRCH | 第48-49页 |
| ·K-means | 第49-50页 |
| ·核心树算法对传统增量算法的改进 | 第50-58页 |
| ·核心树算法的概念与数据结构的定义 | 第51-53页 |
| ·结合K-means和BIRCH构造小数据量的初级核心树 | 第53-54页 |
| ·运用BIRCH算法构造基于中心点思想的核心树 | 第54-56页 |
| ·使用改进的K-means算法来重定位叶子的中心点并提高增量聚类的质量 | 第56-58页 |
| ·利用核心树分析电汇数据 | 第58页 |
| ·实验思想 | 第58-59页 |
| 第五章 结束语 | 第59-61页 |
| ·全文总结 | 第59页 |
| ·进一步的研究方向 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢辞 | 第64页 |