摘要 | 第1-6页 |
Abstract | 第6-11页 |
第一章 绪论 | 第11-21页 |
·课题的来源、背景和意义 | 第11-13页 |
·选题来源 | 第11页 |
·选题背景 | 第11-12页 |
·研究目的 | 第12页 |
·研究意义 | 第12-13页 |
·数据挖掘技术在保险行业应用研究的现状 | 第13-19页 |
·数据挖掘技术的研究现状 | 第13-15页 |
·保险数据挖掘研究现状 | 第15-18页 |
·保险数据挖掘应用现状 | 第18-19页 |
·研究的主要内容和重点 | 第19-21页 |
第二章 数据挖掘系统概述 | 第21-32页 |
·基本结构与实现过程 | 第21-23页 |
·基本结构 | 第21页 |
·数据挖掘实现过程 | 第21-22页 |
·数据挖掘功能 | 第22-23页 |
·数据挖掘的可视化 | 第23页 |
·数据挖掘软件介绍 | 第23-31页 |
·SAS Enterprise Miner 主要功能 | 第24-28页 |
·SPSS Clementine 主要功能 | 第28-29页 |
·马克威系统数据挖掘功能 | 第29页 |
·Intelligent Miner 主要功能 | 第29-30页 |
·SQL Server 2005 主要数据挖掘功能 | 第30页 |
·Matlab 数据挖掘功能 | 第30-31页 |
·数据挖掘软件的选择 | 第31页 |
·小结 | 第31-32页 |
第三章 数据挖掘技术在保险行业中的应用领域分析 | 第32-40页 |
·客户关系管理 | 第32-35页 |
·客户关系管理的渊源与基本概念 | 第32-33页 |
·客户关系管理的目的 | 第33页 |
·客户关系管理的基本条件 | 第33-34页 |
·保险客户关系管理与数据挖掘技术应用 | 第34-35页 |
·保险目标客户的识别 | 第35-36页 |
·保险目标客户的概念 | 第35页 |
·保险目标客户识别与数据挖掘技术应用 | 第35-36页 |
·保险交叉销售 | 第36页 |
·交叉销售的概念与特点 | 第36页 |
·保险交叉销售与数据挖掘技术应用 | 第36页 |
·客户保持与流失分析 | 第36-37页 |
·保险客户欺诈分析 | 第37-39页 |
·保险欺诈的基本概念 | 第37-38页 |
·保险客户欺诈分析与数据挖掘技术应用 | 第38-39页 |
·小结 | 第39-40页 |
第四章 数据挖掘技术在保单购买预测中的应用与分析 | 第40-74页 |
·保险数据挖掘流程分析 | 第40-43页 |
·保单购买预测数据挖掘主题的确立 | 第43-44页 |
·数据准备 | 第44-50页 |
·数据来源与分析工具 | 第44-47页 |
·数据准备 | 第47-50页 |
·小结 | 第50页 |
·指标筛选 | 第50-55页 |
·基于相关分析 | 第50-51页 |
·基于回归分析 | 第51-52页 |
·基于信息增益 | 第52-55页 |
·小结 | 第55页 |
·基于神经网络的保单购买预测分析 | 第55-60页 |
·神经网络的概述与原理 | 第55-57页 |
·概率神经网络的原理与应用 | 第57-58页 |
·基于概率神经网络的建模分析 | 第58-59页 |
·小结 | 第59-60页 |
·基于决策树的保单购买预测分析 | 第60-65页 |
·决策树的概述与原理 | 第60页 |
·基于C4.5 决策树的建模分析 | 第60-64页 |
·小结 | 第64-65页 |
·基于 Logistic 回归分析的保单购买预测分析 | 第65-71页 |
·Logistic 回归分析的基本原理 | 第65-66页 |
·基于Logistic 回归分析的建模分析 | 第66-70页 |
·小结 | 第70-71页 |
·挖掘模型的评估 | 第71-73页 |
·小结 | 第73-74页 |
第五章 研究结论与展望 | 第74-77页 |
·研究结论 | 第74-75页 |
·本文局限性 | 第75页 |
·研究展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-81页 |
附录A 客户类型 | 第81-82页 |
附录B 平均年龄 | 第82页 |
附录C 客户主要特征 | 第82-83页 |
附录D 信教比例 | 第83-84页 |
个人简历 在读期间发表的学术论文 | 第84页 |