1. 毕业设计（论文）的内容和要求
网络活动的频繁化与扩大化为我们的生活带来了巨大的变革、提供了无法想象的便利，但同时也衍生出了一些问题，为了避免造成损失，我们需要追踪网络活动产生大量的数据，对问题出现的可能性进行探测。
本课题拟选择一种网络借贷行为利用数据挖掘和机器学习的方法进行分析，找到网络欺诈行为的特点，从而防范于未然。
研究内容：1.了解实际问题背景。
2. 参考文献
1. 丁爽斯. 基于大数据的互联网金融欺诈行为识别研究[D]. 2016.2. 王雪娇. 基于大数据的网络借贷应用研究[D]. 2016.3. Kamaruddin S, Ravi V. Credit card fraud detection using big data analytics: Use of psoaann based one-class classification[C]. InProceedings of the International Conference on Informatics and Analytics. 2016, Aug 25 (p. 33). ACM.4. Kunda D, Chihana S. Analysis of value added services on GDP Growth Rate using Data Mining Techniques[J]. Database Systems Journal. 2017, 8(2): 29-43.5. 刘晶宇. 基于Logistic回归模型的校园贷信用风险评估研究[D]. 2018.6. 李若鹏. 基于大数据的网络异常行为检测平台的设计与实现[D]. 2018.7. 顾正鑫, 于威, 王鑫, 胡浪, 左晨晔. 基于大数据下的大学生网络诈骗探究[J]. 法制博览. 2018, (21): 50-51.8. Yee OS, Sagadevan S, Malim NH. Credit card fraud detection using machine learning as data mining technique. Journal of Telecommunication[J]. Electronic and Computer Engineering (JTEC). 2018, 10 (1-4): 23-27.9. Dehtiarova YV, Yevdokimov YU. Data Mining Methods and Models for Social and Economic Processes Forecasting[R]. 2018.10. Fagiolo G, Guerini M, Lamperti F, Moneta A, Roventini A. Validation of agent-based models in economics and finance[M]. In Computer Simulation Validation. 2019 (pp. 763-787). Springer, Cham.11. 谢平, 邹传伟. 互联网金融模式研究[J]. 金融研究, 2012, 35(12):11-22.12. 王凤可. 面向P2P网贷平台欺诈识别的自适应代价敏感多分类模型研究，2017，11-1613. 陈俊清，神经网络模型在互联网金融反欺诈领域的研究与实践，中国金融电脑，2016 年 8 月，42-46 页。
14. 李赟妮，神经网络模型在银行互联网金融反欺诈中的应用探索，信息化论坛，2018 年第 8 期，24-28 页。
15. 钱维章，机器学习技术在寿险反欺诈领域的应用研究与实践，金融电子化，2017 年 8 月，169-171 页。
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
