基于数据挖掘的用户缴费信用风险评估研究

《基于数据挖掘的用户缴费信用风险评估研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工学硕士学位论文‘基于数据挖掘的用户缴费信用风险、评估研究硕士研究生指导教师学位级别学科、专业所在单位论文提交日期论文答辩日期学位授予单位：李丽：张国印教授：工学硕士：计算机软件与理论：计算机科学与技术学院：2010年1月：2010年3月：哈尔滨工程大学ClassifiedIndex：U．D．C：ADissertationfortheDegreeofM．EngUserPaymentCreditRiskAssessmentStudyBasedonDataMiningCandidate：LlLlSupervisor：Prof．Zhang

2、GuoyinAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerSoftwareandTheoryDateofSubmission：December，2009DateofOralExamination：March，20lOUniversity：HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用己在文中指出，并与参考文献相对

3、应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体己经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。一一卜作者(签字)：冷丽日期：工口户年苫月罗日’学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位

4、论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(囱在授予学位后即可口在授予学位12个月后口解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字)：桶日期：驯。年；月夕日哈尔滨T程大学硕士学伊论文摘要随着征信范围的扩大，用户缴费信用问题越来越受到政府和企业的重视。信用风险评估作为数据挖掘技术的一个新的应用领域尚未成熟，还需要不断深入地探索和研究。本文针对银行和证券方面信用风险研究比较成熟而用户缴费信用风险研究相

5、对落后的情况，展开公共服务领域用户缴费信用风险评估研究。着力解决系统效率低、复用性差等问题。系统模型主要包括数据挖掘横向通用知识结构、数据挖掘算法建模推理支撑环境、数据挖掘调度平台、数据挖掘算法构件库四个部分。系统模型分离数据挖掘算法构件库，并基于挖掘算法的推理支撑环境研究，获得动态数据挖掘算法建模方案，通过设计挖掘算法路由配置机制，实现算法动态调度。数据挖掘算法动态配置的推理支撑环境设计，重点是知识库和推理机设计。一方面，根据算法方案配置需求设计了数据挖掘算法建模知识表达模型，基于建模知识基础完成算法路径的推理与解释；另一方面，推

6、理机设计遵循数据描述约束及任务描述约束，结合相容和相斥运算得出数据挖掘算法的可行方案集合。公共服务领域用户缴费信用风险评价系统从运行和应用角度评价其质量。以电费缴纳业务的数据为例，挖掘用户非信用行为的主要特点，为企业建立预警机制提供参考。关键词：数据挖掘；信用模式；BP神经网络；决策树；公共服务领域_●哈尔滨工稗大学硕十学伊论文AbstractWiththeincreasingacceptanceofcredit，thequestionofcustomerpaymentcredithasalreadybeenpaidattentio

7、ntomoreandmorebygovernmentandcorporation．Asanewapplicationarea，thestudyofcreditratingshasnotbecomematureyet．Manyofproblemsneedcontinuedstudy．ThestudyofcreditriskevaluationmethodsinBankingandSecuritiesindustryhasbeenmature，butthestudyofcustomerpaymentcreditisrelativebac

8、kwardindustry．Insuchcase，weconductedastudytocustomerpaymentcreditriskevaluationmethods．Thispaperdesigndataminingmodel