导读:本文包含了客户欺诈预测论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘,欺诈行为分类,生长分级自组织特征映射,灰关联度
客户欺诈预测论文文献综述
由立真,穆志纯[1]（2007）在《基于改进的GHSOM网络预测客户欺诈行为》一文中研究指出生长、分级的自组织映射(Growing Hierarchical Self-Organizing Map,GHSOM)网络是自组织映射(Self-Organizing Map,SOM)网络的一种变体,它不仅具备了SOM网络可解释性强的优点,同时采用多层分级的结构,不需要预先定义好网络的结构和尺寸,解决了SOM由于竞争层神经元过多造成的训练时间过长的问题,却忽略了对样本向量各个分量在模型中重要性的分析,因此将一种新的输入模式分量和映射单元权向量之间的灰关联度引入到网络权值的调整过程中,对GHSOM算法进行了改进。运用于对电信客户行为的分类,从中获取了预测欺诈客户的关键指标,大大降低了输入样本的维度。结果显示,采用改进后的GHSOM算法降维后,分类正确率仍然可以达到94.59%。(本文来源于《计算机工程与应用》期刊2007年11期）
刘道宏[2]（2007）在《基于数据挖掘的电信客户欺诈预测模型研究》一文中研究指出当今，随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善，各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从技术驱动向市场驱动、客户驱动转化，这就要求运营商要采取以客户为中心的策略，客户资源成为了运营商竞争的焦点。在客户资源的争夺战中，各家运营商的市场竞争导致入网门槛降低，给予客户实惠以吸引客户，使得客户市场迅速扩大。在客户市场扩大的同时恶意欠费用户群体也随之扩大，在所有电信客户中，虽然恶意欠费的客户群体只占总群体的很小一部分，但是这一群体的客户给电信业造成的损失是巨大的，各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施，减少此类欺诈行为的发生。本文的目的就是建立并实现一个准确率高、有效性强的电信行业客户欺诈预测模型。模型依据数据挖掘原理，利用数据挖掘软件SPSS Clementine 8．1，以大连海事大学和东软股份有限公司电信部协作开发的“江西联通经营分析系统二期”项目为依托，以CRISP－DM建模过程为框架，逐步按照商业理解，数据理解，数据准备，建立模型，模型评估与发布的步骤，实现了电信行业客户欺诈预测系统。本文采用了决策树的方法进行建模。首先通过客户通话帐单的历史记录构造满足一定比例的欺诈用户数与非欺诈用户数的训练集，然后运用基于决策树分类的方法构建出欺诈预测模型，最后用测试集数据进行模型验证，结果表明，此模型具有较好的预测准确率。本文的意义在于采用决策树方法构建了一个高效的欺诈预测模型，为改变我国大部分电信运营商主要采用行政手段防欺诈的现状，提供了一条有效、可行的技术途径。(本文来源于《大连海事大学》期刊2007-02-01）
由立真,穆志纯[3]（2006）在《基于GHSOM网络预测客户欺诈行为》一文中研究指出为了达到准确预测客户消费行为的目的,提取关键性指标是建立预测模型中至关重要的一步。利用灰关联分析可以体现样本向量中各分量重要性的特性,对生长、分级的自组织映射(growing hierarchical self-organizing map,GHSOM)网络进行了改进。试验结果显示,采用改进后的GHSOM算法提取预测客户欺诈行为的关键性指标构建预测模型,并对验证样本集进行了预测,准确性达到92．13％。(本文来源于《2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）》期刊2006-12-01）
王华秋,曹长修,何波,刘祥明[4]（2006）在《改进RPE算法的神经网络在客户欺诈预测中的应用》一文中研究指出客户欺诈在一定程度上抑制了消费,这会妨碍电信运营商和电信用户的亲密度,从而削弱电信运营商的市场竞争力。客户欺诈现象存在非常复杂的多元非线性关系,从统计学角度出发,难以建立预测模型,针对这些问题,提出了基于递推预报误差(RPE)算法神经网络的方法建模,并采用改进的动态遗忘因子方法保证了平稳收敛。实验结果表明,用该算法预测客户欺诈的危险度效果优于BP神经网络模型,具有实用性和有效性。(本文来源于《计算机工程》期刊2006年18期）
刘祥明[5]（2005）在《电信客户欺诈预测系统研究及应用》一文中研究指出当今,随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善,各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商要采取以客户为中心的策略,客户资源成为了运营商竞争的焦点。在客户资源的争夺战中,各家运营商的市场竞争导致入网门槛降低,给予客户实惠以吸引客户,使得客户市场的迅速扩大。在客户市场扩大的同时恶意欠费用户群体随之扩大。在所有电信客户中,虽然恶意欠费的客户群体只占总群体的很小一部分,但是这一群体的客户给电信业造成的损失是巨大的,各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施。论文的重点就在于根据对历史上恶意欠费欺诈客户通话行为分析建立一个客户恶意欠费欺诈行为预测模型。在固定电话通信业务中,目前对欠费用户采用的策略是欠费后第一个月实行限制呼叫,即该用户只能被呼而不能主动呼出;欠费后第二个月实行更为严厉的限制,该用户既不能呼出也不能被呼;到第叁个月就实行强制拆机。显然在这里不能把上述欠费状态中1 个月或2 个月的用户定义为欺诈用户,而只能认为被强制拆机的用户才是真正的欺诈用户。利用RBF 神经网络建模,通过客户通话详单的历史数据训练,建立用户属性、服务属性和用户消费数据的预测模型。根据用户属性、服务属性和用户消费数据建立模型,就可以计算出用户欺诈的危险度,利用聚类技术根据客户的危险度将客户划分成不同等级危险度的用户群体。针对不同危险度的用户群采取不同的策略,比如针对欺诈危险高的用户群可以采用严厉的催缴策略,比如限制服务、最大程度缩短缴款缓冲时间段长度等。论文最后利用VC++6.0 进行了人机界面和系统程序的设计。(本文来源于《重庆大学》期刊2005-04-10）
Janet,Kreiling[6]（2003）在《信息流动性：新价值的源泉》一文中研究指出当成千上万的票据都已销售完毕，留在事务处理服务器和其他服务中的只有数据，这些客户数据可能有数千兆: 人们从哪里来; 到哪里去; 是途经这个国家，还是到这里旅游; 他们是谁等等信息，都包含在这些数据中。 通过发生的事件或事务处理获得数据并不稀奇，因为人(本文来源于《计算机世界》期刊2003-05-26）
客户欺诈预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
当今，随着国内电信业的重组改革和通信技术的发展以及基础设施建设的完善，各运营商在客户和业务等领域展开了激烈的竞争。电信运营商的经营模式逐渐从技术驱动向市场驱动、客户驱动转化，这就要求运营商要采取以客户为中心的策略，客户资源成为了运营商竞争的焦点。在客户资源的争夺战中，各家运营商的市场竞争导致入网门槛降低，给予客户实惠以吸引客户，使得客户市场迅速扩大。在客户市场扩大的同时恶意欠费用户群体也随之扩大，在所有电信客户中，虽然恶意欠费的客户群体只占总群体的很小一部分，但是这一群体的客户给电信业造成的损失是巨大的，各电信运营商为了避免、挽回或减轻这部分的损失不得不采取各种措施，减少此类欺诈行为的发生。本文的目的就是建立并实现一个准确率高、有效性强的电信行业客户欺诈预测模型。模型依据数据挖掘原理，利用数据挖掘软件SPSS Clementine 8．1，以大连海事大学和东软股份有限公司电信部协作开发的“江西联通经营分析系统二期”项目为依托，以CRISP－DM建模过程为框架，逐步按照商业理解，数据理解，数据准备，建立模型，模型评估与发布的步骤，实现了电信行业客户欺诈预测系统。本文采用了决策树的方法进行建模。首先通过客户通话帐单的历史记录构造满足一定比例的欺诈用户数与非欺诈用户数的训练集，然后运用基于决策树分类的方法构建出欺诈预测模型，最后用测试集数据进行模型验证，结果表明，此模型具有较好的预测准确率。本文的意义在于采用决策树方法构建了一个高效的欺诈预测模型，为改变我国大部分电信运营商主要采用行政手段防欺诈的现状，提供了一条有效、可行的技术途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
客户欺诈预测论文参考文献
[1].由立真,穆志纯.基于改进的GHSOM网络预测客户欺诈行为[J].计算机工程与应用.2007
[2].刘道宏.基于数据挖掘的电信客户欺诈预测模型研究[D].大连海事大学.2007
[3].由立真,穆志纯.基于GHSOM网络预测客户欺诈行为[C].2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）.2006
[4].王华秋,曹长修,何波,刘祥明.改进RPE算法的神经网络在客户欺诈预测中的应用[J].计算机工程.2006
[5].刘祥明.电信客户欺诈预测系统研究及应用[D].重庆大学.2005
[6].Janet,Kreiling.信息流动性：新价值的源泉[N].计算机世界.2003
标签：数据挖掘; 欺诈行为分类; 生长分级自组织特征映射; 灰关联度;