English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41275612      線上人數 : 575
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/12948


    題名: 應用分群技術偵測信用卡異常交易之研究;Apply Clustering to detect Credit Card fraud transaction
    作者: 汪昭緯;Chao-Wei Wang
    貢獻者: 資訊管理研究所
    關鍵詞: 分群技術;信用卡異常偵測;credit card fraud detection;clustering
    日期: 2002-06-21
    上傳時間: 2009-09-22 15:19:44 (UTC+8)
    出版者: 國立中央大學圖書館
    摘要: 摘 要 台灣地區過去十年的信用卡累積發卡量呈現快速的成長,但是,由於其方便性及通用性的特性,卻逐漸成為犯罪集團詐財的主要工具之一。國內之信用卡詐欺犯罪案件急遽增加,在2000年時,盜刷金額已經超過了30億元,此一數值高居亞洲之冠。可見台灣信用卡盜刷的情形是相當嚴重的。 資料挖掘(data mining)是近年來資料庫應用領域中相常熱門的議題。資料挖掘是指在資料庫中,利用各種方法和技術,將過去累積的大量歷史資料,經過分析、歸納、整合的工作,以粹取出有用的資訊,提供管理階層作為訂定決策的依據。目前無論在零售業、百貨業、金融機構、電信業…等,都已經漸漸地體認到知識挖掘的重要性。 在此文章中我們使用分群技術來分析信用卡資料。分群技術(Clustering)是資料挖掘中相當著名的技術之一,本研究有三個特點,1、個人化分析,以個人過去的歷史資料來分析新的交易;2、正反兩面分析,同時使用正常資料及盜刷資料來分析新的交易;3、密度法分析,以密度值的方法來代表群體的層級。期望能夠提供更精準之偵測系統,降低信用卡業者及持卡人之損失。
    顯示於類別:[資訊管理研究所] 博碩士論文

    文件中的檔案:

    檔案 大小格式瀏覽次數


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明