金融大数据应用研究—商户类别码套用检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-13页 |
| 1.2 国内外发展现状 | 第13-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 数据挖掘技术概述 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 数据挖掘的任务 | 第17-26页 |
| 2.2.1 关联性分析 | 第17-18页 |
| 2.2.2 回归分析 | 第18-19页 |
| 2.2.3 分类分析 | 第19-22页 |
| 2.2.3.1 决策树 | 第20页 |
| 2.2.3.2 支持向量机 | 第20-22页 |
| 2.2.3.3 贝叶斯分类 | 第22页 |
| 2.2.3.4 其他分类算法 | 第22页 |
| 2.2.4 聚类分析 | 第22-25页 |
| 2.2.4.1 基于划分的聚类 | 第23-24页 |
| 2.2.4.2 层次聚类 | 第24-25页 |
| 2.2.5 异常性分析 | 第25页 |
| 2.2.6 序列分析 | 第25-26页 |
| 2.3 数据挖掘的过程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于寻根的快速层次聚类算法 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 算法思想 | 第28-30页 |
| 3.3 稳定性误差和传递性误差的修正 | 第30-34页 |
| 3.3.1 稳定性误差 | 第30-32页 |
| 3.3.2 传递性误差 | 第32-33页 |
| 3.3.3 完整算法 | 第33-34页 |
| 3.4 实验与讨论 | 第34-41页 |
| 3.4.1 对比实验 | 第34-37页 |
| 3.4.2 结果讨论 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 商户类别码套用检测算法研究 | 第42-69页 |
| 4.1 研究背景 | 第42页 |
| 4.2 模型设计 | 第42-54页 |
| 4.2.1 源数据描述 | 第42-44页 |
| 4.2.2 设计思路 | 第44-54页 |
| 4.2.2.1 行业模式 | 第44-51页 |
| 4.2.2.2 商户二分类问题 | 第51-54页 |
| 4.3 特征选择模块 | 第54-63页 |
| 4.3.1 数据预处理 | 第55-59页 |
| 4.3.1.1 商户行为模式 | 第55-56页 |
| 4.3.1.2 去除噪声 | 第56-59页 |
| 4.3.2 行业模式库训练 | 第59-61页 |
| 4.3.3 特征转化 | 第61-63页 |
| 4.3.3.1 商户所属MCC套用比例 | 第61页 |
| 4.3.3.2 商户费用等级 | 第61-62页 |
| 4.3.3.3 最相近MCC的费用等级 | 第62页 |
| 4.3.3.4 费用等级差 | 第62页 |
| 4.3.3.5 排名 | 第62-63页 |
| 4.3.3.6 警告等级 | 第63页 |
| 4.4 实验与讨论 | 第63-67页 |
| 4.4.1 数据描述 | 第64页 |
| 4.4.2 评价指标 | 第64-65页 |
| 4.4.3 实验结果 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 全文总结与展望 | 第69-72页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 后续工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的成果 | 第76-77页 |
