数据挖掘技术在车辆保险中的应用研究

论文摘要

车辆保险公司拥有大量的客户数据,而对客户数据的有效挖掘与分析能够更好的为保险公司服务。因此,研究数据挖掘技术在车辆保险中的应用具有重要意义。本文的研究目的是充分利用数据挖掘技术,发掘和分析隐含在数据中的知识,最终为车辆保险决策提供支持。本文首先探讨了数据挖掘领域所采用的主要技术及最新发展动态,在介绍了关联规则的概念与算法的基础上,对关联规则挖掘在车辆保险中的应用进行了详细的分析与研究,并通过对客户风险分析、客户价值分析和保险欺诈识别等保险应用进行具体分析,紧接着对关联规则做出了评价与改进,通过增加兴趣度、潜在有用性、简洁性等其它一些评价指标以便于挖掘出更有效的关联规则。此外,本文对关联规则和其它数据挖掘技术在车辆保险中的联合应用也进行了研究,通过关联规则和聚类分析,关联规则和神经网络的联合挖掘进一步提升挖掘效果。最后,构建了基于关联规则的规则库。在构建基于数据挖掘技术的车辆保险决策支持系统的过程中,首先介绍了决策支持系统及其相关理论,决策支持系统发展中的关键技术。介绍了相关的本体技术,本体的构建方法和本体的构建流程。通过使用本体编辑工具Protege,构建出基于本体的车辆保险案例库。根据层次和应用的不同,分为车辆保险元本体,车辆保险领域本体和车辆保险应用本体。本文在总结原有的案例推理与规则推理的集成方法的基础上,提出了一种改进的案例推理与规则推理的集成方法。最后提出了集成案例推理与规则推理的车辆保险决策支持系统并给出了系统框架。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.3 论文的结构
• 第二章 数据挖掘技术概述
• 2.1 数据挖掘的定义及起源
• 2.1.1 数据挖掘的定义
• 2.1.2 数据挖掘的起源
• 2.2 数据挖掘的任务
• 2.3 数据挖掘技术
• 2.3.1 聚类分析技术
• 2.3.2 关联规则技术
• 2.3.3 决策树技术
• 2.3.4 统计技术
• 2.3.5 神经网络技术
• 2.3.6 推理技术
• 2.4 数据挖掘、数据仓库和OLAP 技术
• 2.5 本章小结
• 第三章 关联规则挖掘在车辆保险中的应用
• 3.1 关联规则
• 3.1.1 关联规则的基本概念
• 3.1.2 关联规则挖掘求解问题的步骤
• 3.1.3 关联规则Apriori 算法及其改进
• 3.2 关联规则挖掘在车辆保险中的应用
• 3.2.1 明确目标
• 3.2.2 数据库中的数据准备与数据处理
• 3.2.3 关联规则挖掘
• 3.2.4 关联规则挖掘在车辆保险中的应用分析
• 3.2.5 关联规则在保险客户中的应用
• 3.3 关联规则的评价与改进
• 3.3.1 关联规则的兴趣度评价
• 3.3.2 关联规则的潜在有用性评价
• 3.3.3 关联规则的简洁性评价
• 3.3.4 基于约束的关联规则挖掘
• 3.4 关联规则与其它数据挖掘技术在车辆保险中的联合应用
• 3.4.1 关联规则和聚类分析的联合挖掘
• 3.4.2 关联规则和神经网络的联合挖掘
• 3.4.3 关联规则和其它方法的联合使用
• 3.5 构建基于关联规则的规则库
• 3.5.1 关联规则的转化
• 3.5.2 规则库的表示
• 3.6 本章小结
• 第四章 基于数据挖掘技术的车辆保险决策支持系统的构建
• 4.1 决策支持系统及相关理论
• 4.1.1 决策与决策支持
• 4.1.2 决策支持系统
• 4.1.3 决策支持系统发展的关键技术问题
• 4.2 构建基于本体的车辆保险案例库
• 4.2.1 本体技术
• 4.2.2 本体的描述语言
• 4.2.3 基于Protege 的本体表示
• 4.2.4 本体的构建方法
• 4.2.5 本体的构建流程
• 4.2.6 基于本体的车辆保险案例库
• 4.3 案例推理和规则推理的集成推理
• 4.3.1 基于案例的推理
• 4.3.2 基于规则的推理
• 4.3.3 案例推理与规则推理的集成
• 4.4 构建车辆保险决策支持系统
• 4.4.1 决策支持问题模型
• 4.4.2 决策支持系统的概念
• 4.4.3 决策支持系统的系统结构
• 4.4.4 CBR 与RBR 集成推理的车辆保险决策支持系统框架
• 4.5 本章小结
• 第五章 结束语
• 5.1 论文工作总结
• 5.2 进一步的工作
• 致谢
• 参考文献
• 在读期间的研究成果