如何将数据仓库及数据挖掘的相关技术应用于金融业客户关系管理,是目前金融行业迫切需要研究的领域。该领域包括对于数据仓库和数据挖掘技术的研究,CRM系统的构建,以及更加有效挖掘算法的设计等方面。本文具体探讨了金融行业的客户关系管理系统在实施过程的若干关键技术,同时对基于数据挖掘的银行客户关系管理技术进行了研究。 传统的数据挖掘方法在金融行业的应用包括银行客户划分、银行客户流失预警、金融欺诈分析以及基于数据挖掘的银行信用卡分析等方面,本文对于这些传统的方法进行了总结和分析,并且结合具体案例进行了说明,给出了自己的结论。 在第三章中,对于银行的客户聚类分析进行了单独论述,比较分析了决策树方法和粗糙集方法各自的特点,提出了一种基于粗糙集和决策树相结合的多变量决策的银行客户聚类算法,实验结果表明这种方法在一定程度上提高了聚类判别的效率。 银行交易时序数据的挖掘分析是目前研究的热点之一。本文尝试将时序数据字符串化,引入传统的字符串模式匹配相关算法进行金融时序数据的分析。在字符串算法的研究中,经常会关注给定字符串本身的规律性,如重复性。Seed是一种广义的重复性,如果一个给定字符串的超串能够由它的某个子串以多个串接和(或)叠合的形式构成,这个子串就称为给定字符串的Seed。本文对于时间序列预测中的字符串Seed求解算法进行了讨论,提出了一个有效的算法来计算长度为N的字符串的所有Seed,时间复杂度为O(nlogn)。 Agent和多Agent系统(Multi-Agent Systems,简称MAS)是正在崛起为人工智能研究实用化和分布计算环境下软件智能化的重要技术。提供具有社会和相关领域知识,能依据心理状态自主工作,并具有语义互操作和合作行为协调能力的软件实体,作为参与协调合作的软构件,不仅为实施紧凑一致的协同工作提供有力的支持,也为建立面向分布计算的开放性、可重构和可伸缩的新型计算环境建立了基础。本文对于基于MAS的客户关系管理系统的相关理论进行了研究,尝试将多Agent的协商框架应用于银行间的产品营销竞争,客户金融产品的交叉销售分析中,提出了一个客户销售的优化协商框架。 在第六章中,针对项目的具体实施和实践过程中的相关问题,从技术和应用的角度展开数据挖掘相关技术及其实际应用领域的研究,并结合上海浦东发展银行的实际应用背景,提出了一个银行客户关系分析管理系统的设计方案。