| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 金融网络犯罪团伙识别模型研究现状 | 第13页 |
| 1.2.2 社区发现算法在金融网络犯罪团伙识别中的应用 | 第13-15页 |
| 1.3 论文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 相关技术研究 | 第17-25页 |
| 2.1 金融交易网络研究 | 第17-20页 |
| 2.1.1 金融交易网络的表示方法 | 第17-18页 |
| 2.1.2 金融交易网络中的两个法则 | 第18-19页 |
| 2.1.3 基于交易风险传播的权值计算 | 第19-20页 |
| 2.2 社区发现算法研究 | 第20-22页 |
| 2.2.1 社区发现算法分类 | 第20-21页 |
| 2.2.2 社区发现算法的两个评估指标 | 第21-22页 |
| 2.3 MAPREDUCE&HADOOP分布式环境 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 金融网络犯罪团伙识别方法研究 | 第25-39页 |
| 3.1 特征选择 | 第25页 |
| 3.2 数据预筛除 | 第25-28页 |
| 3.2.1 资金流动数额预筛 | 第26页 |
| 3.2.2 资金流动频率预筛 | 第26-27页 |
| 3.2.3 资金流动路径预筛 | 第27-28页 |
| 3.3 交易权值计算 | 第28-32页 |
| 3.3.1 资金流出金额权值 | 第28-29页 |
| 3.3.2 资金流入金额权值 | 第29页 |
| 3.3.3 资金流出频率权值 | 第29-30页 |
| 3.3.4 资金流入频率权值 | 第30-31页 |
| 3.3.5 网络综合权值 | 第31-32页 |
| 3.4 犯罪团伙识别 | 第32-38页 |
| 3.4.1 基于模块度优化的Louvain-Method算法 | 第32-34页 |
| 3.4.2 Louvain-Method算法的并行化优化 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 金融网络犯罪团伙识别系统的设计与实现 | 第39-50页 |
| 4.1 需求分析 | 第39页 |
| 4.2 系统设计 | 第39-43页 |
| 4.2.1 分布式系统架构 | 第39-40页 |
| 4.2.2 分层设计 | 第40-42页 |
| 4.2.3 系统流程图 | 第42-43页 |
| 4.3 数据结构 | 第43页 |
| 4.4 主要功能模块设计与实现 | 第43-49页 |
| 4.4.1 预处理模块 | 第43-46页 |
| 4.4.2 权值计算模块 | 第46页 |
| 4.4.3 Louvain-Method算法并行化模块 | 第46-48页 |
| 4.4.4 可视化模块 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验测试与分析 | 第50-58页 |
| 5.1 实验环境和实验数据 | 第50页 |
| 5.1.1 实验环境 | 第50页 |
| 5.1.2 实验数据 | 第50页 |
| 5.2 系统效果评估 | 第50-53页 |
| 5.2.1 数据预筛除效果评估 | 第50-51页 |
| 5.2.2 并行化Louvain-Method算法效果评估 | 第51-52页 |
| 5.2.3 总体效果评估 | 第52-53页 |
| 5.3 算法对比评估 | 第53-57页 |
| 5.3.1 Louvain-Method社区发现算法与其他社区发现算法对比 | 第53-55页 |
| 5.3.2 并行化Louvain-Method算法与串行Louvain-Method算法对比 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 进一步研究展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表的学术论文目录 | 第64页 |
