一、选题依据
随着社会信息量的增加，数据库的数量和规模也在飞速增长，数据库和信息技术已经从原始的文件处理到复杂的、功能强大的数据库系统。因此，目前新的技术与工具来帮助人们从快速积累的大量数据中，搜寻有用的信息显得更加迫切。为适应这种需要，数据挖掘技术应运而生。数据挖掘（Data Mining, DM）是一种从大量数据汇总提出隐藏的预测信息的新技术，从浩如烟海的企业信息资料库中挤压出更有价值的信息，它能挖掘出数据间潜在的模式。
数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据库准备、规律寻找和规律表示3个步骤。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。
银行业务处理手段的现代化和银行经营管理方式的科学化，是我国金融体制改革的重要内容和发展的战略目标。中国国家现代化支付系统（CNAPS），分为系统构想设计、试点工程国际招标、试点工程实施、系统扩展和系统完善等五个阶段。中国现代化支付系统(CNAPS)由两个互为备份的国家处理中心（NPC）和北京、上海、武汉等城市处理中心（CCPC）构成，为参与者和特许参与者提供大额实时支付系统（HVPS）、小额批量支付系统（BEPS）、清算账户处理系统（SAPS）以及支付管理信息系统（PMIS）等服务。作为CNAPS的银行端接入系统，除了要支持所有CNAPS系统的功能接入外，还要有银行内系统管理功能和账务处理功能。
数据挖掘在各领域的应用非常广泛，只要该产业拥有具分析价值与需求的数据仓储或数据库，皆可利用Mining工具进行有目的的挖掘分析。近来电话公司、信用卡公司、保险公司以及股票交易商对于诈欺行为的侦测（Fraud Detection）都很有兴趣，这些行业每年因为诈欺行为而造成的损失都非常可观，数据挖掘可以从一些信用不良的客户数据中找出相似特征并预测可能的诈欺交易，达到减少损失的目的。财务金融业可以利用数据挖掘来分析市场动向，并预测个别公司的营运以及股价走向。
二、研究目标与主要内容
研究目标:
1、设计现代化银行系统中的质量数据建立信息系统，建立信息数据库。
2、利用数据挖掘技术对CNAPS系统中所生产的海量质量数据进行特征化、关联、分类、聚类分析以及演变和偏差分析，发现生产管理中存在的不足，让数据来指导现代化银行系统的操作和运营，从数据中发现决策知识。
研究内容：
传统的银行支付系统存在着网络处理能力较差；数据过于集中，增加了运行风险；数据分析能力欠缺等问题，将数据仓库与数据挖掘技术引入到现代化银行支付系统中,并结合计算机网络技术,进行了深入的理论和实验研究,主要内容如下:
异构数据库数据集成，目前数据集成典型的方法主要有模式集成方法和数据复制方法。其中模式集成是指在构建集成系统时将各数据源的数据视图集成为全局模式，使用户能够按照全局模式透明地访问各种数据源的数据；数据复制是指将各个数据源的数据复制到与其相关的其他数据源上，并维护数据源整体上的一致性，提高信息共享利用的效率。
CNAPS系统适合内外资银行的行内系统接入CNAPS系统，采用标准化的借口与报文传递。涉及数据处理中心及报文录入，数据中心完成银行业务的处理，具备系统管理功能。报文录入为银行接入端，实现银行业务的提交。将数据挖掘技术引入到CNAPS系统的过程中,结合计算机网络的经验和知识,充分利用控制系统产生的各种数据,设计并开发现代化银行支付数据挖掘系统;研究聚类分析模型,对大额支付系统，小额批量系统等相关业务的数据，发送成功或者失败的报文，每日记录的日志和报文等数据,以及错帐充正的分析，实现对错误报文的分类，从而找出各种更加适合现代化银行支付系统的金融数据挖掘研究系统。
数据挖掘系统的设计，把多维分析、人工智能、数据库、银行的运行规律，金融知识等领域的技术结合在一起，通过数据准备、数据选取、数据预处理、数据变换、确定处理目标、选择算法、数据挖掘、模式解释、知识评价的步骤从大量数据中提取有效的、新颖的、潜在有用的知识。
论文提纲
第一章 引言
1．1 概述
1．2 研究的目的和意义
1．3 国内外研究现状
1.3.1   数据挖掘的研究现状
1.3.2   cnaps的现状
1.3.3   聚类的简介
第二章 数据挖掘
2.1    数据挖掘的定义
2.2    数据挖掘的完整步骤
        2.2.1  理解数据和数据的来源
        2.2.2  获取相关知识与技术
        2.2.3  整合与检查数据
        2.2.4  去除错误或不一致的数据
        2.2.5 建立模型和假设
        2.2.6 实际数据挖掘工作
        2.2.7 测试和验证挖掘工作
        2.2.8 解释和应用
2.3    数据挖掘的十大经典算法
        2.3.1  C4.5算法
        2.3.2  K-means算法
        2.3.3  SVM算法
        2.3.4  Apriori算法
        2.3.5  EM算法
        2.3.6  pagerank算法
        2.3.7  Adaboost算法
        2.3.8  KNN算法
        2.3.9  Naive Bayes算法
        2.3.10  Cart算法
第三章 Cnaps
3.1   cnaps的定义
3.2   cnaps的主要业务流程
3.3   cnaps的基本需求
第四章 聚类理论
4.1   聚类的定义
4.2   聚类的方法
4.3   聚类的用途
第五章 基于cnaps的数据挖掘研究
第六章 具体数据分析
6.1  实验结果
6.2  实验分析
6.2.1  聚类的分析
6.2.2  对于结果的展望和用途 
第七章 结论与展望
7.1  结论
7.2  进一步工作的方向
致谢
参考文献
三、拟采取的研究方法、研究手段及技术路线、实验方案
在现代化银行支付系统过程中计算机控制技术已经普及，本系统适合内外资银行的行内系统接入CNAPS系统，采用标准化的借口与报文传递。涉及数据处理中心及报文录入，数据中心完成银行业务的处理，具备系统管理功能。报文录入为银行接入端，实现银行业务的提交。因此，实时监视并记录这些数据的变化是提高控制精度、准确性的基础。生产过程中实时监测并记录的海量数据包含丰富的生产实际过程中各种因素之间相互影响、相互作用的宝贵信息，对于加强对生产过程的认识、提高控制和管理水平无疑具有重要意义。
数据挖掘技术的诞生和发展使从实时控制监视中积累的海量数据中提取信息和知识成为可能。通过计算机的高速运算使用智能方法从大量数据中提取数据模式，挖掘出知识，集神经网络、模糊计算、粗糙集理论、知识表示、归纳逻辑和高性能计算机等技术的综合运用，并成功地应用于商业领域。利用SQL Server 2000提供的挖掘模型和Analysis Services提供的挖掘模型和spss的统计方法和Oracle11g的数据库建立，对现代化银行支付系统过程中自动产生的大量日报表数据进行分析，探索这些数据之间可能存在的规律性。
四、中外文参考文献目录
[1]韩家炜,数据挖掘：概念与技术Data Mining:Concepts and Techniques,2nd edition,[M]Morgan Kaufmann,2006.
[2]毛国君,数据挖掘原理与算法[M].清华大学出版社
[3]胡亮,李强,康健,网络程序设计[M].吉林大学出版社.
[4]Pang-Ning，Tan Michael Steinbach，Vipin Kumar，Introduction to Data Mining[M].人民邮电出版社
[5]Bchner,A.G.,Mulvenna,M.D.,Anand,S.S.&Hughes,J.G.An Interne– enabled Knowledge Discovery Process[A].Proc.9th Int'l.Database Conf.[C],forthcoming,1999,(a).
[6]Fu,Y.,Sandhu,K.,Shih,M.-Y.Clustering of Web users based on access patterns[A].Proceedings of the 1999 KDD Workshop on Web Mining[C],SanDiego,CA.Springer-Verlag,1999.
[7]Bchner,A.G.,Mulvenna,M.D.Discovering Internet Marketing Intelligence through Online Analytical Web Usage Mining[J].ACM SIGMOD Record,1998,27(4):54-61.
[8]Robert Cooley,Bamshad Mobasher,Jaideep Srivastava.Web mining: Information and pattern discovery on the world wide web[A].ICTAI'97[C], Dec.1997.
[9]B.Mobasher,R.Cooley,J.Srivastave.Automatic personalization based on Web usage mining[R].Technical Report TR99010,Department of Computer Science,DePaul University,1999.
[10]王实,高文,李锦涛.Web数据挖掘[J].计算机科学,2000,27(4).
[11]Chow CK,Liu CN.Approximating Discrete Probability Distributions with Dependence Trees.IEEE Transactions on Information Theory,1968, 14:462-467.
[12]Margarent H.Dunham 著 郭崇慧、田凤占等 译 数据挖掘教程 清华大学出版社
五、研究的整体方案与工作进度安排
1．查阅文献、收集资料
查阅相关的文献资料（包括英文），对数据挖掘和现代化银行支付系统（CNAPS）的最新发展有全面的了解。
2．调查研究
深入学习国内外数据挖掘相关理论，通过学习，了解该领域中还需要解决的问题。
3．选题报告
简明扼要的介绍课题内容，说明课题的意义及研究的可行性。
4．研究前的准备工作
金融数据挖掘研究的准备工作，搜集有关数据挖掘和相关反馈的资料，了解分类、聚类等各种方法及表示的各种算法的优缺点，借鉴其他领域中相关知识的应用。通过分析理论及相关算法的正确性，与现算法相比的优越性与不足之处。通过严密的理论证明理论与相关算法的可靠性与完备性。
5．撰写毕业论文
检验实际工作的正确性和完整性，写工作总结以及总结课题研究过程，详细说明课题研究成果。
6．学位论文答辩
邀请相关领域的专家学者老师对研究成果进行评定与审查。
六、研究的预期目标及主要特点、创新点
1、改进现代化银行支付系统（CNAPS）相关知识，加强银行业务体系的了解和熟悉。
2、建立一种新的现代化银行支付系统（CNAPS）数据挖掘模型，提高系统的整体效率。
3、利用SPSS软件，最后形成有一定规律的数据，从而分析出各个城市和发展和经济政策的制定。