Luận văn tập trung tìm hiểu phương pháp phân cụm tích lũy, phân tích nghiệp vụ của Ngân hàng Quân đội và tập dữ liệu khách hàng, đồng thời qua đó nêu ra cách áp dụng và xây dựng cài đặ[r]
(1)Phương pháp phân cụm tích lũy áp dụng Ngân hàng Thương mại cổ phần Quân đội
Phạm Thị Ánh
Trường Đại học Công nghệ
Luận văn ThS ngành: Hệ thống thông tin; Mã số: 60 48 05 Người hướng dẫn: PGS.TS Hà Quang Thụy
Năm bảo vệ: 2011
Abstract Trình bày khái niệm phân cụm, phương pháp phân cụm điển hình,
xem xét điểm mạnh, điểm yếu phương pháp Trình bày phương pháp phân cụm đưa phân cụm tích lũy - phương pháp phân cụm tích lũy dựa phương pháp k-means khảo sát sâu nhằm áp dụng vào tốn ứng dụng Phân tích mơ hình hoạt động kinh doanh Ngân hàng Quân đội (MB) xem xét cách thức áp dụng khai phá liệu Ngân hàng
Keywords Công nghệ thông tin; Dữ liệu; Ngân hàng; Phân cụm tích lũy; Phương
pháp phân cụm
Content
Những năm gần đây, ngành công nghệ thông tin chuyên nghiên cứu thuật toán phương pháp sử dụng lĩnh vực khai phá liệu có bước tiến song song với phát triển ngành tin học nói chung Đã có nhiều thuật tốn đưa nhằm trích rút thơng tin, phân loại dự đoán đặc điểm liệu từ tập liệu có trước Đây điều quan trọng xã hội phát triển địi hỏi nhu cầu hiệu hoạt động
Trong vài năm trở lại đây, nhu cầu dự đoán hành vi khách hàng Ngân hàng tăng cao Ngân hàng Qn đội (MB) khơng nằm ngồi xu hướng Mục đích Ngân hàng làm để biết khách hàng có khả cao sử dụng dịch vụ cụ thể Để giải tốn trên, phương pháp khai phá liệu, dùng thơng tin có từ trước tập khách hàng cũ để dự đoán hành vi khách hàng Tuy nhiên, vấn đề phải áp dụng phương pháp để đảm bảo cơng việc dự đốn có hiệu
Một phương pháp đại đưa năm vừa phương pháp phân cụm tích lũy dựa số phương pháp truyền thống Nguyên tắc chung phương pháp áp dụng lặp lại nhiều lần việc phân cụm để tạo nhiều cụm phân cụm, dựa thông tin để xây dựng lại cụm Công việc đảm bảo việc phân cụm xác
(2)Nội dung luận văn gồm có phần mở đầu, bốn chương phần kết luận
Chương Luận văn trình bày khái niệm phân cụm, phương pháp phân cụm điển hình, xem xét điểm mạnh, điểm yếu phương pháp
Chương Luận văn trình bày phương pháp phân cụm đưa phân cụm tích lũy Phương pháp phân cụm tích lũy dựa phương pháp k-means khảo sát sâu nhằm áp dụng vào toán ứng dụng
Chương Chương này, luận văn phân tích mơ hình hoạt động kinh doanh Ngân hàng Qn đội (MB) xem xét cách thức áp dụng khai phá liệu Ngân hàng
Chương Trong chương luận văn phân tích thực trạng hoạt động kinh doanh việc lưu trữ liệu Ngân hàng Quân đội nhu cầu cần thiết phải có chương trình để có khả khai thác liệu khách hàng có nhằm mục đích quảng bá hình ảnh dịch vụ Ngân hàng Qn đội, nhằm trì khách hàng có có thêm khách hàng Trong chương tiến hành xây dựng ứng dụng nhằm phục vụ cho mục tiêu khai phá liệu đề ra, đồng thời xây dựng thực phương án thực nghiệm kết ứng dụng
Luận văn thực hướng dẫn khoa học TS Hà Quang Thụy hỗ trợ phần từ Đề tài QG.10-38 Tôi xin chân thành cảm ơn sâu sắc tới Thầy dẫn tận tình giúp tơi hồn thành luận văn Tôi xin chân thành cảm ơn thầy giáo bạn môn Các Hệ thống Thông tin có góp ý hữu ích q trình thực luận văn
References Tiếng Anh
1 Jiawei Han and Micheline Kamber (2000) Data Mining: Concepts and Techniques, Simon Fraser University
2 Mario A.T Figueiredo, Anil K Jain (2002), Unsupervised Learning of Finite Miture Models
3 Ana L N Fred, Anil K Jain (2002) Data Clustering Using Evidence Accumulation,ICPR (4) 2002: 276-280
4 Ana L N Fred (2001) Finding Consistent Clusters in Data Partitions Multiple Classifier Systems 2001: 309-318
5 Rạjanish Dass Indian Institute of Management Ahmedabad (2009) DataMining in banking and finance
6 Daniel Ramage, Paul Heymann, Christopher D Manning, Hector Garcia-Molina (2009) Clustering the tagged web, WSDM 2009: 54-63
7 Brian Kulis, Sugato Basu, Inderjit S Dhillon, Raymond J Mooney (2009) Semi-supervised graph clustering: a kernel approach, Machine Learning 74(1): 1-22 (2009) Antonello Panuccio, Manuele Bicego, Vittorio Murino (2002) A Hidden Markov
Model-Based Approach to Sequential Data Clustering, SSPR/SPR 2002: 734-742
9 Ana L N Fred, Anil K Jain (2005) Combining Multiple Clusterings Using Evidence Accumulation, IEEE Trans Pattern Anal Mach Intell 27(6): 835-850 (2005)
10 Pedro Casas, Johan Mazel, Philippe Owezarski, Yann Labit (2010) Sub-Space Clustering and Evidence Accumulation for Unsupervised Anomaly Detection in IP Networks, http://hal.archives-ouvertes.fr/docs/00/48/54/27/PDF/paperIMC10.pdf
11 Ana L N Fred, Anil K Jain (2006) Learning Pairwise Similarity for Data Clustering ICPR (1) 2006: 925-928
,ICPR (4) 2002: 276 ons Multiple Classifier Systems 2001: 309 , Paul Heymann, b, WSDM 2009: 54 h, Machine Learning 74(1 , SSPR/SPR 2002: 734 on, IEEE Trans Pattern Anal Mach Intell 27(6) s, http://hal.archives-ouvertes.fr/docs/00/48/54/27/PDF/paperIMC10.pdf ICPR (1) 2006: