信用卡欺诈检测分类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-11页 |
| ·全球信用卡的迅速发展 | 第8-9页 |
| ·数据挖掘技术的迅速发展 | 第9-11页 |
| ·研究问题的提出 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 信用卡欺诈识别技术综述 | 第16-29页 |
| ·信用卡相关知识简介 | 第16-21页 |
| ·信用卡的定义 | 第16页 |
| ·信用卡的发展及使用现状 | 第16-17页 |
| ·信用卡的风险管理 | 第17-21页 |
| ·信用卡欺诈识别方法概述 | 第21-26页 |
| ·决策树 | 第21-24页 |
| ·代价敏感 | 第24-25页 |
| ·提升(Boosting)算法 | 第25-26页 |
| ·信用卡欺诈识别的评价标准 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 欺诈识别模型的构建 | 第29-43页 |
| ·分簇组合分类器模型的建立 | 第30-42页 |
| ·样本非均衡分布的处理 | 第31-36页 |
| ·防权重扩散提升算法改进 | 第36-39页 |
| ·代价敏感与提升算法结合 | 第39-41页 |
| ·组合分类器的融合 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 算法在WEKA平台下的实现 | 第43-53页 |
| ·WEKA平台介绍 | 第43-46页 |
| ·WEKA图形用户界面简介 | 第43-45页 |
| ·核心数据结构 | 第45-46页 |
| ·Netbeans开发平台 | 第46-47页 |
| ·算法的实现 | 第47-50页 |
| ·多数类样本的提取 | 第47-48页 |
| ·多数类样本的分簇 | 第48-50页 |
| ·子集的分类 | 第50页 |
| ·组合分类器的投票 | 第50页 |
| ·界面实现 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 信用卡欺诈识别算法应用分析 | 第53-64页 |
| ·研究方法与步骤 | 第53-54页 |
| ·研究方法 | 第53页 |
| ·研究步骤 | 第53-54页 |
| ·应用分析过程 | 第54-63页 |
| ·实验环境 | 第54页 |
| ·样本采集 | 第54-55页 |
| ·样本非均衡分布的处理 | 第55-56页 |
| ·分类模型的建立 | 第56-62页 |
| ·模型分析与评价 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·全文工作回顾与总结 | 第64页 |
| ·后续工作及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 总结与展望 | 第70-71页 |
| 攻读学位期间主要的研究成果 | 第71页 |
