| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究的内容及目的 | 第14页 |
| 1.4 研究的思路 | 第14-15页 |
| 1.5 研究的创新点 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第2章 数据挖掘技术综述及其在银行领域中的应用 | 第16-28页 |
| 2.1 数据挖掘系统的典型结构及步骤 | 第16-20页 |
| 2.1.1 数据挖掘的概念 | 第16页 |
| 2.1.2 数据挖掘系统的典型结构 | 第16-17页 |
| 2.1.3 数据挖掘的过程与步骤 | 第17-20页 |
| 2.2 数据挖掘的发展趋势 | 第20页 |
| 2.3 数据分类 | 第20-21页 |
| 2.4 决策树分类算法 | 第21-24页 |
| 2.4.1 决策树的生成 | 第22-23页 |
| 2.4.2 决策树算法小结 | 第23-24页 |
| 2.5 数据挖掘在银行业中的应用 | 第24-25页 |
| 2.5.1 可疑金融交易概念 | 第24-25页 |
| 2.5.2 数据挖掘在银行可疑金融交易识别中的应用 | 第25页 |
| 2.6 其他可用的挖掘方法概述 | 第25-27页 |
| 2.6.1 关联分析 | 第25-26页 |
| 2.6.2 BIRCH聚类算法 | 第26-27页 |
| 2.6.3 神经网络 | 第27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 ID3决策树算法研究 | 第28-33页 |
| 3.1 简介 | 第28-30页 |
| 3.1.1 传统的统计方法 | 第28-29页 |
| 3.1.2 可视化技术 | 第29页 |
| 3.1.3 决策树的应用 | 第29页 |
| 3.1.4 ID3决策树算法 | 第29-30页 |
| 3.2 ID3算法 | 第30-32页 |
| 3.2.1 ID3算法基本思想 | 第30页 |
| 3.2.2 ID3算法描述 | 第30-31页 |
| 3.2.3 ID3算法的评价 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第4章 可疑金融交易账户的风险评估模型 | 第33-43页 |
| 4.1 模型的提出 | 第33-34页 |
| 4.2 模型概况 | 第34-36页 |
| 4.3 数据清洗及预处理 | 第36-42页 |
| 4.3.1 交易频度的处理 | 第36-37页 |
| 4.3.2 交易金额的处理 | 第37-38页 |
| 4.3.3 银行评级的处理 | 第38-39页 |
| 4.3.4 贷款额度的处理 | 第39页 |
| 4.3.5 所属行业规模的处理 | 第39-41页 |
| 4.3.6 预处理后的训练数据 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 可疑金融交易账户风险评估模型的设计与实现 | 第43-52页 |
| 5.1 需求分析 | 第43页 |
| 5.2 模型设计 | 第43-47页 |
| 5.3 模型输出及分析 | 第47-48页 |
| 5.4 模型测试及分析 | 第48-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论及改进措施 | 第52-54页 |
| 6.1 结论 | 第52-53页 |
| 6.2 建议 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表论文情况 | 第58页 |