该文主要研究利用数据挖掘技术进行个人信用分析的方法以及其信用分析系统的开发.文章首先讲述了进行个人信用分析研究的必要性、国内外研究现状和研究背景、意义.然后介绍了信用及信用分析的相关定义、原理,信用分析和信用管理对银行信贷管理的作用.在研究和参考以往比较成熟的企业信用风险研究的基础上,提出了影响个人信用风险的三组关键性因素—客户自身背景特征、客户优先性特征和信用及财务特征,以及它们的来源和可获取的程度.通过分析现有的信用分析方法优缺点,提出一种基于数据挖掘技术的系统信用分析方法.由于现有的数据库受噪声数据、空缺数据和不一致性数据的侵扰,严重影响挖掘结果的质量和降低系统性能.鉴于此,该文研究了空缺值处理、属性相关性分析、属性离散化和面向属性的归纳几种数据处理技术和它们的适用范围.其次,针对个人信用分析的应用特点,重点探讨了如何运用贝叶斯分类、人工神经网络BP算法及其改进、决策树方法以及模糊神经网络.针对原有BP神经网算法效率较低、容易陷入局部极小等现状,讨论了一种改进的BP算法,改进的BP算法着重改进了权值的调整频率及效率.文章的最后,结合农行"个人信贷综合管理系统"课题的实践,设计了一个基于数据挖掘技术的个人信用分析系统原型,为进一步开发提供参考和借鉴.