电信客户欺诈预测系统研究及应用
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·电信欺诈及其欺诈预测背景 | 第9-10页 |
| ·现在存在的问题和国内外研究状况 | 第10-11页 |
| ·国内外发展状况 | 第10页 |
| ·欺诈预测技术现在普遍问题 | 第10-11页 |
| ·论文的主要内容以及内容安排 | 第11-13页 |
| ·论文的主要内容 | 第11页 |
| ·论文的内容安排 | 第11-13页 |
| 2 电信客户关系管理 | 第13-19页 |
| ·客户关系管理的基本理论 | 第13-16页 |
| ·客户关系管理产生背景 | 第13-14页 |
| ·客户关系管理的定义 | 第14-15页 |
| ·客户关系管理的基本内容 | 第15页 |
| ·客户关系管理的基础构架 | 第15-16页 |
| ·客户关系管理的关键技术 | 第16页 |
| ·电信客户关系管理 | 第16-17页 |
| ·客户关系管理和数据挖掘 | 第17-19页 |
| 3 电信数据挖据 | 第19-30页 |
| ·数据挖掘定义 | 第19-20页 |
| ·数据挖掘过程及分类 | 第20-25页 |
| ·数据挖掘过程 | 第20-22页 |
| ·数据挖掘分类 | 第22-25页 |
| ·数据挖掘技术 | 第25-28页 |
| ·决策树方法 | 第25-26页 |
| ·神经网络方法 | 第26页 |
| ·遗传算法 | 第26-27页 |
| ·其他数据挖据方法 | 第27-28页 |
| ·数据挖掘和KDD 等的关系 | 第28-30页 |
| ·数据挖掘与KDD 的关系 | 第28页 |
| ·数据挖掘与机器学习 | 第28-29页 |
| ·数据挖掘与统计学 | 第29-30页 |
| 4 RBF 人工神经网络理论 | 第30-41页 |
| ·人工神经网络的特点和基本原理 | 第32-34页 |
| ·RBF 神经网络 | 第34-37页 |
| ·RBF 基函数 | 第34-35页 |
| ·RBF 神经网络结构 | 第35-36页 |
| ·RBF 神经网络的映射 | 第36-37页 |
| ·RBF 神经网络的学习算法 | 第37-41页 |
| ·隐含层单元数的选择 | 第37页 |
| ·中心的选择 | 第37-38页 |
| ·权值的训练 | 第38-41页 |
| 5 客户欺诈预测系统建模以及实现 | 第41-57页 |
| ·问题的定义 | 第41-42页 |
| ·数据的描述和选择 | 第42-44页 |
| ·数据样本抽样 | 第44-45页 |
| ·数据挖掘前的数据准备 | 第45-47页 |
| ·数据清洗 | 第45页 |
| ·数据预处理与转换 | 第45-46页 |
| ·数据集的管理和数据库接口 | 第46-47页 |
| ·客户欺诈预测系统模型的建立与实现 | 第47-53页 |
| ·客户欺诈预测系统的总体构架 | 第47-48页 |
| ·数据的预处理和标准化 | 第48-50页 |
| ·RBF 神经网络模型构架 | 第50-51页 |
| ·RBF 模型的测试和评估 | 第51-52页 |
| ·模型的输出 | 第52-53页 |
| ·客户欺诈行为预测软件实现 | 第53-57页 |
| ·软件设计的准则 | 第53-54页 |
| ·客户欺诈行为预测软件的设计说明 | 第54-57页 |
| 6 总结 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
