基于商业智能的数据挖掘的研究

论文摘要

随着市场竞争的不断加剧,企业需要商业智能指导业务行为并进行辅助决策,以便在激烈的市场竞争中赢得主动和更多的商机。数据挖掘就是一种运用决策树、关系规则、分类、聚类等技术来做决策的非常有用的方法。其中聚类是在无先验知识无指导下进行数据分析的一种数据挖掘技术,传统的聚类分析是一种硬划分,这种划分的界限很分明。可是现实生活中大多数对象并没有严格的属性,它们在形态和类属性方面存在着中介性,具有“亦此亦彼”的性质,因此比较适合进行软化分,即模糊聚类分析。针对商业银行中迫切要解决的信用风险问题,本文使用基于模糊等价关系的模糊聚类分析对银行的信用风险进行信用评分,该系统预先找出某些决定付款违约可能性的关键因素,将其综合或赋予权重从而得出一个量化的分数,经过适当处理得到模糊聚类评分模型。本文的重点:第一,采用模糊聚类评分模型改进了一般的信用评分方法对各影响因素动态连续变化过程,以及各个因素之间相互促进或制约关系,无法予以反映的不足。该模型是一种行为评分模型,是一种前瞻式的控制信用和收账风险评估工具,能实现对现有客户未来欠账风险的评估。从而对银行信用决策的科学性、专业性起到促进作用。第二,数据挖掘结果的可视化。通过图形和文本两种方式显示地描述知识,所产生的知识能帮助用户理解。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文研究背景及选题意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究成果及内容安排
• 第二章 数据挖掘的基本知识
• 2.1 数据挖掘的定义
• 2.1.1 技术上的定义
• 2.1.2 商业角度的定义
• 2.2 数据挖掘的基本过程
• 2.2.1 数据挖掘的主要步骤
• 2.3 数据挖掘任务
• 2.4 数据挖掘及其相关技术
• 2.4.1 数据挖掘与传统分析方法的区别
• 2.4.2 数据挖掘和数据仓库
• 2.4.3 数据挖掘和在线分析处理（OLAP）
• 2.4.4 数据挖掘，机器学习和统计
• 2.4.5 软硬件发展对数据挖掘的影响
• 2.5 数据挖掘的应用分析
• 2.6 小结
• 第三章 商业智能与数据挖掘
• 3.1 商业智能
• 3.1.1 概念与定义
• 3.1.2 核心技术
• 3.1.3 商业智能的三个层次及其体系结构
• 3.1.4 商业数据挖掘过程
• 3.1.5 商业智能的典型应用
• 3.1.6 商业智能的发展趋势
• 3.2 商业智能中采用的主要数据挖掘技术
• 3.2.1 决策树
• 3.2.2 神经网络
• 3.2.3 关联规则
• 3.2.4 分类
• 3.2.5 聚类
• 3.3 小结
• 第四章 模糊聚类分析在商业智能中的应用研究
• 4.1 聚类分析的基本概念
• 4.1.1 聚类的定义
• 4.1.2 数据集 X的k划分
• 4.2 模糊理论与模糊聚类
• 4.2.1 模糊数学概述
• 4.2.2 模糊集合理论基础
• 4.2.3 模糊聚类分析方法
• 4.3 模糊聚类在信用评分中的应用
• 4.3.1 信用评分介绍
• 4.3.2 模糊聚类分析在信用评分中的应用模型
• 4.3.3 模糊聚类分析在信用评分中的应用实现
• 4.4 小结
• 第五章 总结与展望
• 致谢
• 参考文献
• 附录