發(fā)布時(shí)間：2021-05-20 16:01

　　隨著人們超前消費(fèi)習(xí)慣的逐步養(yǎng)成,信用卡行業(yè)得到了快速的發(fā)展,目前信用卡信貸消費(fèi)已經(jīng)成為現(xiàn)代生活中非常重要的消費(fèi)方式。而伴隨著信用卡行業(yè)的快速發(fā)展,信用卡欺詐現(xiàn)象也時(shí)有發(fā)生。信用卡欺詐行為極大地?cái)_亂了正常的金融秩序,制約了信用卡行業(yè)的健康發(fā)展,尋找有效的信用卡欺詐預(yù)測(cè)方法已經(jīng)迫在眉睫。由于信用卡交易數(shù)據(jù)是類別嚴(yán)重不均衡的數(shù)據(jù),正常交易類的樣本數(shù)量遠(yuǎn)遠(yuǎn)多于欺詐類的樣本數(shù)量,所以,如何有效的處理不均衡數(shù)據(jù)以及如何建立預(yù)測(cè)模型是信用卡欺詐預(yù)測(cè)取得成功的關(guān)鍵。本文以信用卡欺詐預(yù)測(cè)為背景,對(duì)不平衡數(shù)據(jù)的分類問題以及信用卡欺詐的預(yù)測(cè)問題進(jìn)行了詳細(xì)的闡述,然后根據(jù)機(jī)器學(xué)習(xí)算法以及采樣技術(shù)的分析,提出了基于生成式對(duì)抗網(wǎng)絡(luò)的信用卡欺詐預(yù)測(cè)模型。本次研究通過生成式對(duì)抗網(wǎng)絡(luò)生成少數(shù)類樣本數(shù)據(jù),進(jìn)而聯(lián)合深度神經(jīng)網(wǎng)絡(luò)對(duì)信用卡交易數(shù)據(jù)類別進(jìn)行預(yù)測(cè),一方面克服了欠采樣方法丟失大量數(shù)據(jù)信息的問題、SMOTE過采樣方法以及ADASYN過采樣方法生成新樣本時(shí)擴(kuò)大噪音、過擬合的問題,另一方面把深度神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于信用卡欺詐預(yù)測(cè)問題中,擴(kuò)大了深度學(xué)習(xí)技術(shù)的應(yīng)用范圍,提高了模型預(yù)測(cè)的性能。最后,本文以真實(shí)的信用卡交易數(shù)據(jù)為基礎(chǔ)... 

【文章來(lái)源】：河南財(cái)經(jīng)政法大學(xué)河南省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀概述
        1.2.1 不平衡數(shù)據(jù)處理研究概述
        1.2.2 信用卡欺詐預(yù)測(cè)研究概述
    1.3 研究?jī)?nèi)容與框架
        1.3.1 研究?jī)?nèi)容
        1.3.2 章節(jié)安排與框架圖
    1.4 論文創(chuàng)新點(diǎn)
2 相關(guān)理論概述
    2.1 信用卡欺詐概述
        2.1.1 信用卡欺詐的分類
        2.1.2 信用卡欺詐的危害
    2.2 不平衡數(shù)據(jù)處理概述
        2.2.1 數(shù)據(jù)層面處理不平衡數(shù)據(jù)
        2.2.2 不平衡分類問題的評(píng)價(jià)指標(biāo)
    2.3 生成式對(duì)抗網(wǎng)絡(luò)概述
        2.3.1 生成式對(duì)抗網(wǎng)絡(luò)基本原理
        2.3.2 條件生成對(duì)抗網(wǎng)絡(luò)
    2.4 分類技術(shù)概述
        2.4.1 邏輯斯蒂回歸
        2.4.2 樸素貝葉斯
        2.4.3 決策樹
        2.4.4 K近鄰分類器
        2.4.5 支持向量機(jī)
        2.4.6 Adaboost分類器
        2.4.7 深度神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
3 信用卡欺詐預(yù)測(cè)模型設(shè)計(jì)
    3.1 信用卡欺詐預(yù)測(cè)問題描述
    3.2 生成式對(duì)抗網(wǎng)絡(luò)模型
        3.2.1 生成式對(duì)抗網(wǎng)絡(luò)整體結(jié)構(gòu)
        3.2.2 數(shù)據(jù)生成器模型
        3.2.3 數(shù)據(jù)判別器模型
    3.3 深度神經(jīng)網(wǎng)絡(luò)模型
    3.4 信用卡欺詐預(yù)測(cè)模型
    3.5 本章小結(jié)
4 實(shí)證研究
    4.1 數(shù)據(jù)集描述
    4.2 數(shù)據(jù)預(yù)處理
    4.3 模型訓(xùn)練
    4.4 結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]融合特征邊界信息的不平衡數(shù)據(jù)過采樣方法[J]. 孟東霞,李玉鑑.  計(jì)算機(jī)工程與應(yīng)用. 2020(14)
[2]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究現(xiàn)狀與應(yīng)用[J]. 于夢(mèng)珂.  無(wú)線互聯(lián)科技. 2019(09)
[3]基于Bagging神經(jīng)網(wǎng)絡(luò)集成的燃料電池性能預(yù)測(cè)方法[J]. 閆飛宇,李偉卓,楊衛(wèi)衛(wèi),何雅玲.  中國(guó)科學(xué):技術(shù)科學(xué). 2019(04)
[4]不平衡數(shù)據(jù)分類方法綜述[J]. 李艷霞,柴毅,胡友強(qiáng),尹宏鵬.  控制與決策. 2019(04)
[5]不均衡數(shù)據(jù)情況下信用卡欺詐識(shí)別[J]. 王一明.  通訊世界. 2018(12)
[6]信用卡欺詐行為識(shí)別中的機(jī)器學(xué)習(xí)方法:比較研究[J]. 陳沁歆.  中國(guó)高新科技. 2018(24)
[7]基于深度學(xué)習(xí)的圖片問答系統(tǒng)設(shè)計(jì)研究[J]. 周遠(yuǎn)俠,于津.  計(jì)算機(jī)應(yīng)用與軟件. 2018(12)
[8]人工智能在金融行業(yè)各環(huán)節(jié)的應(yīng)用實(shí)踐[J]. 陳鎮(zhèn)洪,廖昌華,陳翰波.  金融科技時(shí)代. 2018(08)
[9]不平衡數(shù)據(jù)分類研究綜述[J]. 趙楠,張小芳,張利軍.  計(jì)算機(jī)科學(xué). 2018(S1)
[10]人工智能研究的新前線:生成式對(duì)抗網(wǎng)絡(luò)[J]. 林懿倫,戴星原,李力,王曉,王飛躍.  自動(dòng)化學(xué)報(bào). 2018(05)

博士論文
[1]商業(yè)銀行信用卡業(yè)務(wù)信用風(fēng)險(xiǎn)管理研究[D]. 趙剛.華東師范大學(xué) 2007
[2]信用卡風(fēng)險(xiǎn)管理研究[D]. 弋濤.西南財(cái)經(jīng)大學(xué) 2006
[3]我國(guó)個(gè)人信用征信體系研究[D]. 李穎.同濟(jì)大學(xué) 2005

碩士論文
[1]分類器評(píng)價(jià)指標(biāo)MCC、CEN和ACC的比較研究[D]. 劉林.天津師范大學(xué) 2019
[2]基于kNN-Smote-LSTM的信用卡欺詐風(fēng)險(xiǎn)檢測(cè)網(wǎng)絡(luò)模型[D]. 陳冠宇.浙江工商大學(xué) 2018
[3]基于生成式對(duì)抗網(wǎng)絡(luò)的文本生成問題的研究[D]. 代威.吉林大學(xué) 2018
[4]基于生成式對(duì)抗網(wǎng)絡(luò)的人臉眼鏡遷移[D]. 陳民欽.浙江大學(xué) 2018
[5]基于模糊二范數(shù)無(wú)核二次曲面支持向量機(jī)的信用卡欺詐檢測(cè)研究[D]. 蘇亞婷.東北財(cái)經(jīng)大學(xué) 2017
[6]肺癌計(jì)算機(jī)輔助診斷中的假陽(yáng)性去除方法研究[D]. 黃長(zhǎng)星.湖南大學(xué) 2017
[7]醫(yī)保異常檢測(cè)的分類集成算法研究[D]. 李秀麗.電子科技大學(xué) 2016
[8]綜合過采樣和欠采樣的不平衡數(shù)據(jù)集的學(xué)習(xí)研究[D]. 閆欣.東北電力大學(xué) 2016
[9]基于海量WEB日志的網(wǎng)絡(luò)惡意行為分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 徐安林.中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院) 2015
[10]基于改進(jìn)非平衡策略的入侵檢測(cè)系統(tǒng)研究[D]. 楊二偉.鄭州大學(xué) 2014



本文編號(hào)：3198039