导　　师： 叶小平

授予学位： 硕士

作　　者： ;

机构地区： 中山大学

摘　　要： 数据挖掘作为一种知识发现技术，能够从企业的数据库中发现隐含的、未知的、潜在的有应用价值的模式或规则，为企业进行决策提供科学依据。保险企业成功的一个关键因素就是基于科学的风险评估，在设置具有竞争力的保险费率和覆盖风险之间选择一种平衡。目前保险公司对于风险的分析通常是粗略的大体估计或者是根据经验来判断。而保险业务科学的风险评估应该是建立在现有相对完整的保单及索赔信息数据库的基础之上，通过对保单和索赔数据进行数据挖掘来寻找风险较大的领域，从而得到必要的和实用的控制风险规则，指导保险公司的业务工作。 　　本文结合保险领域的数据特性，主要研究了基于ROUGH集理论提取关联规则的数据挖掘方法，并探讨如何通过ROUGH集的数据挖掘技术来进行保险的风险评估，并据此来控制风险和支持市场决策。论文首先归纳总结了现有的数据挖掘技术，并通过对ROUGH集理论的深入研究，阐明了ROUGH集理论是一种适用于不完整和不确定系统的知识发现的数学工具。然后重点讨论了基于ROUGH集的数据挖掘方法步骤及算法实现，并对整个挖掘方法过程中所用到算法的性能和适用范围进行分析。最后通过建立数学模型，进行数据预处理，进行相应算法设计和模块构建，并应用于保险行业中的实际数据，得到了有指导意义的关联规则，从而证实了本文所提出的数据挖掘方法具有一定的实用价值。

关 键 词： 保险业务 风险评估 数据挖掘 集

分 类 号： [F840.32 TP311.13]

领　　域： [经济管理] [自动化与计算机技术] [自动化与计算机技术]