| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景和意义 | 第10-11页 |
| 1.2 国内外相关研究 | 第11-13页 |
| 1.2.1 电信诈骗预测研究现状 | 第11-12页 |
| 1.2.2 数据挖掘技术在电信领域的应用现状 | 第12页 |
| 1.2.3 SPARK研究现状 | 第12-13页 |
| 1.2.4 随机森林的研究现状 | 第13页 |
| 1.3 研究目标及内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 第二章 相关理论知识 | 第16-26页 |
| 2.1 数据挖掘及常见算法 | 第16-21页 |
| 2.1.1 数据挖掘概念 | 第16页 |
| 2.1.2 数据挖掘过程 | 第16-17页 |
| 2.1.3 分类算法概述 | 第17-21页 |
| 2.2 非平衡数据分类 | 第21-23页 |
| 2.2.1 非平衡数据分类问题的本质 | 第21-22页 |
| 2.2.2 常见非平衡分类解决方案 | 第22-23页 |
| 2.3 随机森林的算法原理介绍 | 第23页 |
| 2.4 并行计算框架 | 第23-25页 |
| 2.4.1 体系框架 | 第23-24页 |
| 2.4.2 SPARKRDD及程序流程 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 短信诈骗用户模型设计与实现 | 第26-40页 |
| 3.1 模型设计的总体思路 | 第26页 |
| 3.2 业务理解 | 第26-27页 |
| 3.2.1 预测客户群范围 | 第26-27页 |
| 3.2.2 短信诈骗用户定义 | 第27页 |
| 3.3 数据准备 | 第27-31页 |
| 3.3.1 数据来源及描述 | 第27-28页 |
| 3.3.2 数据质量检查 | 第28-30页 |
| 3.3.3 数据探索 | 第30-31页 |
| 3.4 变量选择 | 第31-32页 |
| 3.4.1 基于区分度的筛选 | 第31页 |
| 3.4.2 基于相关性筛选 | 第31-32页 |
| 3.5 模型运行环境 | 第32-34页 |
| 3.6 模型的构建 | 第34-38页 |
| 3.6.1 分类算法比较 | 第34页 |
| 3.6.2 参数设置 | 第34-35页 |
| 3.6.3 模型代码实现 | 第35-38页 |
| 3.7 本章小结 | 第38-40页 |
| 第四章 并行分层子空间权重随机森林设计与实现 | 第40-54页 |
| 4.1 随机森林的不足之处 | 第40页 |
| 4.2 分层子空间权重随机森林算法 | 第40-46页 |
| 4.2.1 特征相关性度量及特征选择 | 第41页 |
| 4.2.2 类别不平衡条件下特征子空间的选择方法 | 第41-45页 |
| 4.2.3 分层子空间权重随机森林算法的过程 | 第45-46页 |
| 4.3 基于SPARK的并行随机森林算法的设计实现 | 第46-53页 |
| 4.3.1 并行性研究 | 第46-47页 |
| 4.3.2 并行优化策略 | 第47-48页 |
| 4.3.3 并行随机森林算法流程及描述 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 模型结果与分析 | 第54-62页 |
| 5.1 评估方法与标准 | 第54-55页 |
| 5.2 模型结果分析 | 第55-57页 |
| 5.2.1 模型结果说明 | 第55页 |
| 5.2.2 高危诈骗用户特征分析 | 第55-57页 |
| 5.3 模型调优 | 第57-58页 |
| 5.4 算法优化效果分析 | 第58-60页 |
| 5.4.1 并行优化效果比较 | 第58-59页 |
| 5.4.2 算法并行性能测试 | 第59-60页 |
| 5.5 模型解释与应用 | 第60-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A 攻读硕士期间发表的论文、申请的专利 | 第70页 |