基于支持向量机的信用卡欺诈检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11页 |
| ·课题来源 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·国外研究成果 | 第12-14页 |
| ·国内研究成果 | 第14-16页 |
| ·小结 | 第16-17页 |
| ·研究内容及方法 | 第17-18页 |
| ·论文结构 | 第18-21页 |
| 第二章 信用卡欺诈识别领域的数据挖掘概述 | 第21-37页 |
| ·信用卡相关知识简介 | 第21-22页 |
| ·信用卡的由来 | 第21页 |
| ·信用卡的定义 | 第21-22页 |
| ·信用卡欺诈风险概述 | 第22-26页 |
| ·信用卡欺诈风险来源 | 第23-24页 |
| ·信用卡欺诈风险分类 | 第24-25页 |
| ·信用卡欺诈检测思路 | 第25-26页 |
| ·数据挖掘技术概述 | 第26-35页 |
| ·数据挖掘定义 | 第26-27页 |
| ·数据挖掘过程 | 第27-28页 |
| ·数据挖掘功能 | 第28-33页 |
| ·数据挖掘评估 | 第33-35页 |
| ·信用卡欺诈风险检测模型 | 第35-37页 |
| 第三章 信用卡数据预处理 | 第37-47页 |
| ·数据预处理概述 | 第37-38页 |
| ·数据准备 | 第38-41页 |
| ·信用卡数据的组成 | 第38-40页 |
| ·增加统计字段 | 第40-41页 |
| ·数据清洗 | 第41页 |
| ·数据集成 | 第41-42页 |
| ·数据转换 | 第42-46页 |
| ·属性构造 | 第42-43页 |
| ·离散化及二值化 | 第43-45页 |
| ·规范化 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第四章 信用卡欺诈检测算法——支持向量机算法 | 第47-62页 |
| ·支持向量机原理 | 第47-56页 |
| ·线性分类函数 | 第47-48页 |
| ·最大边际超平面 | 第48-50页 |
| ·线性支持向量机 | 第50-52页 |
| ·非线性支持向量机 | 第52-54页 |
| ·核函数 | 第54-55页 |
| ·总结 | 第55-56页 |
| ·支持向量机训练 | 第56-60页 |
| ·分块算法 | 第57-58页 |
| ·固定工作样本集算法 | 第58-59页 |
| ·序贯最小化算法(SMO) | 第59-60页 |
| ·支持向量机模型选择 | 第60-62页 |
| 第五章 基于支持向量机的信用卡欺诈检测系统 | 第62-73页 |
| ·欺诈检测系统的建立及其评价 | 第62-66页 |
| ·功能模块与流程设计 | 第62-63页 |
| ·实验平台与程序界面 | 第63-66页 |
| ·实验过程 | 第66-71页 |
| ·数据预处理 | 第66-69页 |
| ·实验数据选择 | 第69-70页 |
| ·模型参数选择 | 第70页 |
| ·模型分析 | 第70-71页 |
| ·实验结果对比及评价 | 第71-72页 |
| ·小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 读研期间发表论文及科研情况 | 第79页 |
