●前言
第1章緒論
1.1研究背景
1.2研究目的及意義
1.3國內外研究現狀
1.4本書結構安排
1.5本章小結
第2章金融異常檢測概述
2.1金融異常的基本概念
2.2金融異常檢測的背景
2.3異常檢測的方法
2.4基於數據挖掘的金融異常檢測
2.5本章小結
第3章深度學習理論
3.1深度學習背景
3.2深度學習的基本思想
3.3深度學習的常用模型或者方法
3.3.1自動編碼器
3.3.2稀疏編碼
3.3.3玻爾茲曼機
3.3.4深度置信網絡
3.4本章小結
3.4.1深度學習總結
3.4.2深度學習未來
第4章DBN在欺詐檢測中的應用
4.1傳統的欺詐檢測技術
4.2信用卡欺詐檢測的基本概念
4.3信用卡的欺詐檢測技術
4.4DBN的原理
4.4.1受限玻爾茲曼機
4.4.2深度信念網絡
4.5基於DBN的信用卡欺詐檢測
4.5.1基於DBN的信用卡欺詐檢測模型
4.5.2DBN模型訓練
4.5.3實驗結果及分析
4.6本章小結
第5章基於非負矩陣分解的股票異常波動的識別
5.1異常數據在股票市場中的產生原因
5.1.1宏觀經濟的影響
5.1.2投資者行為的影響
5.1.3政策的影響
5.1.4制度的影響
5.2異常檢測方法
5.3非負矩陣分解方法
5.4基於非負矩陣分解的股票市場異常波動檢測
5.5實驗分析
5.6本章小結
第6章基於CNN的貸款違約預測
6.1貸款違約檢測研究現狀
6.2基於CNN的貸款違約預測
6.3基於評分融合的卷積神經網絡的貸款違約預測
6.3.1網絡結構
6.3.2評分融合結構
6.3.3模型訓練
6.4貸款違約預測框架
6.5實驗及分析
6.5.1數據集
6.5.2測試結果
6.5.3特征重要性度量
6.6本章小結
第7章基於決策樹及情感輔助的股票預測
7.1決策樹理論與股指數據獲取
7.1.1股票指標
7.1.2分詞處理與特征提取
7.1.3決策樹理論
7.1.4網絡爬蟲流程設計
7.1.5文本處理與情感分類
7.2股票預測模型
7.2.1基於股市指標的決策樹模型
7.2.2決策樹模型的實現以及結果展示
7.3決策樹模型的驗證
7.3.1情緒結果的融合決策樹
7.3.2決策樹模型驗證
7.4本章小結
第8章總結與展望
8.1本書總結
8.2研究展望
參考文獻