| 摘要 | 第2-4页 |
| Abstract | 第4-6页 |
| 1 绪论 | 第9-23页 |
| 1.1 研究背景和意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状及发展趋势 | 第13-19页 |
| 1.2.1 国内外研究现状 | 第13-15页 |
| 1.2.2 国内外研究趋势和方法 | 第15-19页 |
| 1.3 研究内容与目标 | 第19-20页 |
| 1.3.1 研究内容 | 第19页 |
| 1.3.2 研究目标 | 第19-20页 |
| 1.4 论文结构和技术路线 | 第20-23页 |
| 2 信用卡欺诈风险及相关检测技术综述 | 第23-34页 |
| 2.1 信用卡风险概述 | 第23-25页 |
| 2.2 信用卡欺诈预防和识别 | 第25-26页 |
| 2.3 不平衡分类问题简介 | 第26-34页 |
| 2.3.1 不平衡数据定义 | 第26页 |
| 2.3.2 不平衡分类面临的挑战 | 第26-27页 |
| 2.3.3 不平衡分类方法 | 第27-31页 |
| 2.3.4 现有文献不足 | 第31-34页 |
| 3 基于F2QSSVM模型的信用卡欺诈检测模型构建 | 第34-42页 |
| 3.1 F2NQSSVM模型原理 | 第34-37页 |
| 3.1.1 二次中心曲面和二次间隔距离 | 第34-35页 |
| 3.1.2 模糊隶属度函数 | 第35-36页 |
| 3.1.3 F2NQSSVM模型 | 第36-37页 |
| 3.2 F2NQSSVM模型简化 | 第37-39页 |
| 3.3 基于F2NQSSVM模型的构建过程 | 第39-42页 |
| 3.3.1 计算每个特征的重要度 | 第40页 |
| 3.3.2 确定初始二次分类曲面 | 第40页 |
| 3.3.3 确定每个样本的模糊隶属度 | 第40-41页 |
| 3.3.4 F2NQSSVM模型训练和检测 | 第41-42页 |
| 4 基于F2NQSSVM的信用卡欺诈检测实验分析及验证 | 第42-60页 |
| 4.1 基于F2NQSSVM的信用卡欺诈检测模型实验分析 | 第43-53页 |
| 4.1.1 数据来源 | 第43-44页 |
| 4.1.2 数据属性 | 第44-45页 |
| 4.1.3 数据预处理 | 第45-49页 |
| 4.1.4 F2NQSSVM模型训练 | 第49-51页 |
| 4.1.5 模型输出和检测结果 | 第51-53页 |
| 4.2 基于F2NQSSVM的信用卡欺诈检测模型验证 | 第53-60页 |
| 4.2.1 验证结果分析 | 第55-60页 |
| 5 结论及展望 | 第60-63页 |
| 5.1 本研究工作总结 | 第60-61页 |
| 5.2 结论及建议 | 第61-62页 |
| 5.3 未来研究展望 | 第62-63页 |
| 附录-申请信用卡时重要特征选择调查访谈 | 第63-66页 |
| 参考文献 | 第66-73页 |
| 后记 | 第73-74页 |
