| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究思路与方法 | 第14页 |
| 1.3 研究框架与内容 | 第14-15页 |
| 1.4 特色与不足 | 第15-16页 |
| 第二章 商业银行信用卡发展现状及其异常识别综述 | 第16-28页 |
| 2.1 我国信用卡市场发展现状 | 第16-22页 |
| 2.1.1 信用卡的内涵及历史由来 | 第16页 |
| 2.1.2 信用卡的社会经济效益 | 第16-18页 |
| 2.1.3 商业银行信用卡业务的迅速扩张 | 第18-21页 |
| 2.1.4 商业银行信用卡业务迅速扩张面临的“数据丰富,知识贫乏” | 第21-22页 |
| 2.2 信用卡客户数据异常与异常特征 | 第22-28页 |
| 2.2.1 客户数据异常的定义 | 第22-23页 |
| 2.2.2 数据异常产生的原因 | 第23-24页 |
| 2.2.3 异常挖掘的研究综述 | 第24-28页 |
| 第三章 信用卡客户数据异常挖掘的理论基础 | 第28-31页 |
| 3.1 异常特征分析 | 第28页 |
| 3.2 模式识别理论 | 第28-31页 |
| 3.2.1 模式与模式识别 | 第28-29页 |
| 3.2.2 模式识别理论分类 | 第29-31页 |
| 第四章 数据、变量及信用卡异常挖掘模型 | 第31-44页 |
| 4.1 数据来源 | 第31-35页 |
| 4.1.1 信用卡客户基本信息 | 第31-33页 |
| 4.1.2 信用卡客户与账户关系数据 | 第33-34页 |
| 4.1.3 信用卡客户交易数据 | 第34-35页 |
| 4.2 信用卡异常挖掘的分析维度 | 第35-37页 |
| 4.3 信用卡客户数据异常挖掘模型 | 第37-42页 |
| 4.3.1 基于k-均值算法的信用卡异常识别 | 第37-39页 |
| 4.3.2 基于Apriori算法的信用卡客户消费行为关联模式 | 第39-42页 |
| 4.4 数据预处理 | 第42-44页 |
| 第五章 信用卡客户数据异常挖掘的实证研究 | 第44-55页 |
| 5.1 基于ARFMC的异常客户识别 | 第44-48页 |
| 5.2 信用卡异常客户识别的稳定性检验 | 第48-50页 |
| 5.3 信用卡客户消费行为的关联模式分析 | 第50-55页 |
| 第六章 结论与展望 | 第55-56页 |
| 6.1 本文研究结论 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |