| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·电信客户欺诈检测的研究背景和意义 | 第9页 |
| ·欺诈检测的研究现状 | 第9-11页 |
| ·电信客户欺诈检测的研究现状 | 第10-11页 |
| ·相关领域的欺诈检测的研究现状 | 第11页 |
| ·欺诈检测技术普遍存在的问题 | 第11-12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的结构组织 | 第13-14页 |
| 第二章 支持向量机的发展及理论基础 | 第14-26页 |
| ·支持向量机的发展 | 第14-15页 |
| ·机器学习 | 第15-16页 |
| ·统计学习理论 | 第16-19页 |
| ·VC 理论 | 第17-18页 |
| ·结构风险最小化准则 | 第18-19页 |
| ·支持向量机 | 第19-22页 |
| ·最优分类超平面 | 第19-20页 |
| ·广义最优分类超平面 | 第20-21页 |
| ·核函数 | 第21页 |
| ·分类支持向量机的构造 | 第21-22页 |
| ·支持向量机相关研究 | 第22-24页 |
| ·单类支持向量机简介 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 一种基于 OC-SVM 的大型数据集分类方法 | 第26-35页 |
| ·问题提出的背景 | 第26-27页 |
| ·单类支持向量机 | 第27-29页 |
| ·基于超平面的OC-SVM | 第27页 |
| ·基于超球体的OC-SVM | 第27-29页 |
| ·随机选择算法 | 第29-30页 |
| ·基于OC-SVM 的分类过程 | 第30-33页 |
| ·数据约简 | 第31页 |
| ·OC-SVM 训练 | 第31-32页 |
| ·数据恢复 | 第32页 |
| ·SVM 分类 | 第32-33页 |
| ·实验结果 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 支持向量机在电信客户欺诈检测中的应用 | 第35-51页 |
| ·电信欺诈的介绍 | 第35-37页 |
| ·电信欺诈的定义 | 第35页 |
| ·电信客户欺诈的分类 | 第35-37页 |
| ·电信客户欺诈检测模型的商业理解 | 第37-38页 |
| ·模型建立的需求 | 第37页 |
| ·目标定义 | 第37-38页 |
| ·数据预处理 | 第38-41页 |
| ·数据采集 | 第38页 |
| ·数据清洗 | 第38-39页 |
| ·数据转换 | 第39-40页 |
| ·特征选择 | 第40-41页 |
| ·建立用户模型 | 第41-44页 |
| ·欺诈检测建模过程 | 第44-47页 |
| ·模型评价 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 结论与展望 | 第51-53页 |
| ·结论 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 附录（攻读硕士学位期间发表录用论文） | 第59-60页 |
| 摘要 | 第60-63页 |
| ABSTRACT | 第63-66页 |