| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 互联网金融业在国内外的发展现状 | 第10-11页 |
| 1.1.1 全球互联网金融发展现状 | 第10页 |
| 1.1.2 我国互联网金融发展现状 | 第10-11页 |
| 1.2 数据仓库和数据挖掘技术在国内外的研究现状 | 第11-13页 |
| 1.2.1 数据仓库技术 | 第11-12页 |
| 1.2.2 数据挖掘技术 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 数据仓库与数据挖掘技术 | 第15-24页 |
| 2.1 数据仓库（DW） | 第15-19页 |
| 2.1.1 数据仓库的概念及特性 | 第15-17页 |
| 2.1.2 操作型数据存储（ODS）与联机分析处理（OLAP） | 第17-18页 |
| 2.1.3 数据仓库系统的体系结构 | 第18-19页 |
| 2.2 数据挖掘技术 | 第19-24页 |
| 2.2.1 数据挖掘过程 | 第19-21页 |
| 2.2.2 数据挖掘的功能分析 | 第21-22页 |
| 2.2.3 数据挖掘常用技术 | 第22-24页 |
| 第三章 数据仓库设计及KNN*算法 | 第24-38页 |
| 3.1 数据仓库模型分析 | 第24-28页 |
| 3.1.1 数据仓库设计要求 | 第24页 |
| 3.1.2 数据仓库设计特点 | 第24-25页 |
| 3.1.3 数据源及需求分析 | 第25-26页 |
| 3.1.4 逻辑数据模型 | 第26-27页 |
| 3.1.5 操作型数据存储模型的设计与建立 | 第27-28页 |
| 3.2 数据抽取、转换、装载流程设计 | 第28-34页 |
| 3.2.1 数据抽取 | 第29-31页 |
| 3.2.2 数据更换 | 第31页 |
| 3.2.3 数据清洗与变换 | 第31-34页 |
| 3.3 多维分析 | 第34-36页 |
| 3.3.1 多维模型设计 | 第35-36页 |
| 3.4 并行数据处理 | 第36-38页 |
| 第四章 Pro—Apriori决策树 | 第38-48页 |
| 4.1 经典Apriori算法与Pro—Apriori算法 | 第38-42页 |
| 4.1.1 经典Apriori算法 | 第38-40页 |
| 4.1.2 Pro—Apriori算法 | 第40-42页 |
| 4.2 经典决策树算法和决策树的优化 | 第42-48页 |
| 4.2.1 决策树算法简介 | 第42-44页 |
| 4.2.2 决策树剪枝 | 第44页 |
| 4.2.3 分裂度量算法中的信息增益 | 第44-45页 |
| 4.2.4 决策树的优化 | 第45-48页 |
| 第五章 算法仿真及性能分析 | 第48-55页 |
| 5.1 实验过程 | 第48-54页 |
| 5.1.1 Pro—Apriori算法在某银行客户消费行为分析过程中的应用 | 第48-52页 |
| 5.1.2 基于Pro—Apriori算法结果的决策树优化算法 | 第52-54页 |
| 5.2 实验结果分析 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 全文总结 | 第55页 |
| 6.2 研究展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
