数据挖掘技术在信用卡分析中的应用

数据挖掘是目前一种新的重要的研究领域,其在银行中的应用已成为一个重要的趋势.本文首先介绍了数据挖掘的概念、功能、数据挖掘过程.然后重点介绍了数据挖掘在信用卡分析中的应用.最后对数据挖掘在信用卡分析领域应用进行展望.     

经济改革期间我国寿险需求模型及其实证分析

本文运用保险学原理和计量经济学分析方法 ,建立了我国寿险需求函数的计量模型 ,并估算了我国寿险需求的收入弹性 .本文的实证结论为 :银行利率对寿险需求量的影响不显著 ,因未见于任何相关研究 ,而成为论文的主要研究成果 .本模型有助于对我国经济改革期间的寿险市场进行预测 ,也有助于保险公司在中国进行市场定位 .     

论数据挖掘技术在信息分析中的应用

从通用数据挖掘步骤入手,阐述了数据挖掘技术在各信息分析领域中的应用,结合实例探讨了Web数据的特点及实现Web数据挖掘的有效方法.     

用决策树方法挖掘寿险数据中的投资风险规则

本文的目的是希望在保险公司寿险客户对产品的索赔记录上,通过数据挖掘的方法,发现影响客户索赔次数的主要因素。应用数据挖掘技术,通过对客户的数据进行抽取、清洗和预处理,生成数据挖掘库,并使用数据挖掘工具,利用决策树方法建立模型,并对所分析出的模型及结果进行了分析理解及验证,得出一些实用的控制寿险风险的规则。     

数据挖掘技术在试卷分析中的应用

本文讨论了数据挖掘技术在试卷分析中的应用，针对传统试卷评价方法中仅仅是对试卷进行宏观整体的分析与评价，缺乏对特定试题评价的局限性，本文利用了层次聚类技术和关联规则技术对学生试卷进行分析，得到了具有不同成绩特征的学生群体，析出试卷上特定题目知识点间的相关性，得到的结论对高校教学有一定的指导作用．     

寿险事务数据库挖掘关联规则的分析和设计

客户关系管理是当前研究与应用的热点。信息经济导致了信息爆炸,本文重点探讨如何利用基于关联规则的数据挖掘技术来发现寿险事务数据库中的关联规则,以便更好得进行客户关系管理。     

数据挖掘在税收分析中的应用

税收分析是税收管理的眼睛，对及时准确地发现问题、解决问题，加强税源管理和征收管理起着重要的导向作用。本文提出将数据挖掘技术应用于税收分析，将数据仓库中大量的业务数据转化为有用的知识，为决策者提供有效的信息。本文介绍了数据挖掘的主要功能，分析了税收数据挖掘过程，并简要介绍数据挖掘在税收分析中的应用。     

数据挖掘在税收分析中的应用

税收分析是税收管理的眼睛,对及时准确地发现问题、解决问题,加强税源管理和征收管理起着重要的导向作用。本文提出将数据挖掘技术应用于税收分析,将数据仓库中大量的业务数据转化为有用的知识,为决策者提供有效的信息。本文介绍了数据挖掘的主要功能,分析了税收数据挖掘过程,并简要介绍数据挖掘在税收分析中的应用。     

数据挖掘在教学中的应用分析

通过对数据挖掘技术和功能的分析,探讨了数据挖掘在教育中的应用,并提出了数据挖掘技术在教学中的具体作法.     

银行业客户关系管理中的数据挖掘技术探析

我国银行业之间的竞争已由原来的资源竞争变成以客户为中心的竞争,客户关系管理是获得企业竞争力的有力保障。数据挖掘技术发现新的客户知识,是客户关系管理中的常用的技术。本文借助于客户关系和数据挖掘理论,对数据挖掘技术中客户关系管理系统应用问题进行了实证研究。     

基于神经网络的保险数据挖掘模型

文章研究了神经网络数据挖掘技术在汽车保险业中的应用,并针对汽车保险客户提出了一种理想非线性映射模型费率预测的方法．由实验结果知本方法可用于改善目前汽车保险费率与赔付率不匹配的问题．     

人身保险告知义务的履行研究

从人身保险告知义务的法律规定入手,对告知义务履行的时间、内容、方式、免除等进行分析,从而进一步探讨对人身保险合同的影响。在分析过程中,参考了国内学者的有关观点、见解,借鉴了英美等保险立法比较发达国家的立法经验,结合我国保险事业的发展,提出应当采用因果关系说的处理方式,处置投保人未履行如实告知义务的行为。     

数据挖掘技术的研究

介绍了数据挖掘常用的分析方法及每种分析方法的定义和实现过程,叙述了数据挖掘的4个过程及每个过程需要处理的具体问题。最后介绍了预处理的常用方法及每种方法的实现过程,为数据挖掘提供了一定的理论基础。     

死亡率变化对我国寿险产品纯保费影响的定量研究

寿险产品定价是人寿产品开发的核心,其目的在于确定出适当的价格.而寿险产品定价的基础之一就是经验生命表,由于新经验生命表中死亡率明显下降,会对寿险产品保费产生一定的影响.鉴于新旧生命表的区别,利用寿险精算理论,以终身寿险、定期寿险、生存年金、两全保险等基本寿险产品为例,分析了新生命表下它们各自保费的具体变化,最后通过定量分析给出一些结论.     

基于数据挖掘技术的范例库维护

在范例推理系统中,系统的学习会使范例库无限增大,会导致系统的功能不断下降。范例推理学习系统必须有范例库的维护。本文在详细讨论了范例库的维护技术的同时,提出了一个基于数据挖掘技术的维护策略,以保证系统的学习不影响系统性能。     

基于数据挖掘的农产品质量特性波动溯源方法

针对传统的农产品质量特性波动溯源方法一直存在溯源不准确、效率低的问题,提出基于数据挖掘的农产品质量特性波动溯源方法。依据农产品质量特性之间的关系,将质量特性间的波动传播关系划分成链接内部传播、链接串联传播、链接并联传播以及链接混联传播四种基本形态,求出每种形态的波动传播度。通过小波分解方法对农产品质量特性波动特征进行提取,结合波动传播度为溯源提供可靠的技术支持。介绍了决策树方法,通过基于决策树方法将农产品质量特性波动传播度和Shannon熵看作特征,依据训练集形成规则并产生决策树,输入测试集进行数据挖掘,得到农产品质量特性波动溯源结果。实验结果表明,所提方法不仅具有良好的特征提取效果和较高的溯源精度,而且时间复杂性指标较低。     

分布式数据挖掘综述

随着网络技术、通信技术等的不断突破,互联网、移动网、广电网等多种类现代网络及其衍生业务迅速扩张,形成泛在于网络空间的分布式计算环境。为了最大化这些数据的价值,需要利用数据挖掘技术发现其中隐藏的模式或规则,用以指导和辅助生产或运营中的管理决策行为,以提高决策水平及决策收益。然而,受到普遍存在的异构性、私有性和平台兼容性等限制,兼因行业竞争和法律约束等因素(如个人或企业的数据隐私保护问题等),互联于网络的数据源难于进行集中式挖掘,分布式数据挖掘(DDM)技术应运而生。介绍了DDM的定义与框架、适用场景和研究挑战。根据文中给出的DDM高层架构,最终结果的质量与局部数据源的类型、可用性、局部结果的质量及整合方法等密切相关。DDM的实施未必都以站点间纯粹独立挖掘的方式进行,此外,对于数据集中,系统分布式站点多的情况,也可采用DDM。当前,DDM研究领域的挑战主要有:异构与同构挖掘、动态环境下的数据多变性、通信开销、知识整合和语义异构等。当前的DDM系统被分为4类:1)基于Multi-Agent的系统,利用Agent的自治性实现局部挖掘以保护数据私有性;利用Agent的主动性减少用户参与以提高挖掘自动化水平;利用Agent的协作性实现多算法协同挖掘等;2)基于网格的系统,利用网格在资源共享、开放服务和协同工作等方面的优势,提高挖掘的可靠性和协同性;3)基于元学习的系统,通过元学习优化挖掘算法的选择与组合,并对已获知识进行多次学习以提高结果质量;4)基于CDM(collective data mining)框架的系统,将待学习的函数表示为一组基函数的分布式存在,允许各数据源选择不同的学习算法,并以全局结果正确为前提减少网络通信量。进而,对当前DDM研究存在的共性问题进行了归纳:1)结果质量问题,不考虑各个站点数据源间的内在语义联系,各站点独立挖掘本地数据,与其他站点间无语义层面的数据交互或融合,形成纯粹的"分割式"挖掘,最终导致全局结果质量受损;2)挖掘效率问题,如何调度资源以平衡挖掘负载、减少协作挖掘中的通信开销问题。针对结果质量问题,探讨本体与数据挖掘的结合。作为语义网的基础,本体能为对象语义距离度量提供有效支持。当前,在利用本体描述挖掘任务的领域背景方面,利用本体描述DM过程本身方面,都已经有研究人员进行了探索性工作:针对关联规则挖掘中需要从海量规则中遴选有效规则的问题,提出了交互式的、用于删减冗余规则的挖掘后处理方法;针对在给定知识发现过程的输入和输出类型前提下,知识发现工作流的自动构造问题,提出了解决方法。通过阐述可知,为了提升分布式挖掘过程中局部结果和最终结果的质量,策略之一就是将DDM理论和本体理论作融合,以数据源间语义距离的度量为突破口,建立语义距离度量的复合量化体系,通过构建和求解新型DDM模型来实现目标。     

随机利率下综合人寿保险模型

建立了一个综合人寿保险模型,把几种保险产品统一在其中,并且考虑利息力函数是一个随机过程,模型包括延期支付的年金部分、终身人寿保险部分、还本部分;可以根据实际情况调整参数,通过不同参数的组合。获得不同的保险产品。     

一种基于数据挖掘的隐私保护方法

在数据挖掘隐私保护进行协作数据分析时,部分数据集可能分属不同的数据对象,处理时就需要采取不同的数据失真方法.提出了一组全新的数据失真优化策略,通过将属性划分与奇异值分解法(SVD)、非负矩阵因子分解法(NMF)、离散小波变换法(DWT)相结合,运用4种方案对隐私保护原始数据集的子矩阵进行扰动,并用一些衡量指标来衡量这些策略的效果;利用基于支持向量机(SVM)的二元分类来进行数据实用性的检测.结果表明与数据失真单策略相比,新提出的方案在实现数据隐私和数据实用性的良好平衡方面效果十分显著,为协作数据分析提供了可行性解决方案.     

基于数据挖掘方法的公司财务报表分析模型

为了用数据挖掘方法实现财务分析,建立了基于数据挖掘方法的财务报表分析模型,即运用聚类、关联规则、决策树方法进行联合分析操作,构建在资产结构年度值表上运用数据挖掘方法的模式,以网络上公布的电子产品企业的财务报表为基础,实现了这个行业一个完整的数据挖掘模型构建的过程。