| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 前言 | 第10-14页 |
| ·课题的研究背景 | 第10页 |
| ·现在存在的问题和国内外研究状况 | 第10-12页 |
| ·国内外发展状况 | 第10-11页 |
| ·欺诈预测技术现在普遍存在的问题 | 第11-12页 |
| ·论文的主要内容 | 第12-13页 |
| ·论文的内容安排 | 第13-14页 |
| 第2章 数据挖掘 | 第14-25页 |
| ·数据挖掘定义 | 第14页 |
| ·数据挖掘的任务 | 第14-16页 |
| ·数据挖掘的过程 | 第16-18页 |
| ·数据挖掘技术 | 第18-19页 |
| ·数据挖掘与数据仓库 | 第19-20页 |
| ·数据集市 | 第20-21页 |
| ·数据仓库与数据集市 | 第21-22页 |
| ·ETL 过程(Extraction Transformation Load) | 第22-25页 |
| ·数据抽取 | 第22页 |
| ·数据的清洗和转换 | 第22-24页 |
| ·数据加载 | 第24-25页 |
| 第3章 贝叶斯分类 | 第25-33页 |
| ·引言 | 第25-26页 |
| ·条件概率和乘法定理 | 第26页 |
| ·全概率公式 | 第26页 |
| ·贝叶斯定理 | 第26-27页 |
| ·分类的含义 | 第27-28页 |
| ·分类模型的评估标准 | 第28-29页 |
| ·贝叶斯分类的特点 | 第29页 |
| ·朴素贝叶斯分类 | 第29-31页 |
| ·朴素贝叶斯分类原理 | 第29-30页 |
| ·朴素贝叶斯分类工作过程 | 第30-31页 |
| ·在电信欺诈分类问题中描述贝叶斯定理 | 第31-33页 |
| 第4章 客户欺诈预测系统建模 | 第33-52页 |
| ·问题的定义 | 第33-34页 |
| ·数据的描述和选择 | 第34-36页 |
| ·数据样本采样 | 第36-37页 |
| ·数据采样（sampling） | 第36页 |
| ·在数据挖掘中的数据的采样方法主要有 | 第36页 |
| ·在数据挖掘中采样应该要满足以下三个突出特点 | 第36-37页 |
| ·数据挖掘前的数据准备 | 第37-38页 |
| ·数据集成 | 第37页 |
| ·数据清洗 | 第37页 |
| ·数据预处理与转换 | 第37-38页 |
| ·数据介绍 | 第38-40页 |
| ·分类模型的建立 | 第40-42页 |
| ·电信防欺诈系统模型的设计 | 第42-48页 |
| ·系统工作流程介绍 | 第42-43页 |
| ·系统结构介绍 | 第43-44页 |
| ·数据集市的建立 | 第44-48页 |
| ·贝叶斯分类模型的评估应用 | 第48-50页 |
| ·模型评价标准 | 第48-49页 |
| ·模型评估 | 第49页 |
| ·结论 | 第49-50页 |
| ·客户欺诈行为预测软件的设计说明 | 第50-52页 |
| 第5章 结束语 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学期间研究成果 | 第57页 |