随着国内电信市场的不断扩大,中国电信业出现了各种各样的欺诈行为,这不仅给电信运营商带来了巨大的损失,同时也对电信业务的发展带来不利的影响。而数据挖掘技术是目前基于数据仓库最强大的数据分析手段,其中,聚类技术是目前已被证明能够有效发现具有欺诈特征的客户,从而阻止欺诈行为发生的一种防范欺诈的方法。本文通过对电信欺诈的国内外发展状况进行分析,详细介绍电信业中的数据挖掘技术,结合电信数据本身的特点,首次将Kohonen神经网络算法运用于电信行业的欺诈行为预测,并根据Kohonen算法本身的特征,对其进行适当的改进,优化了算法性能,缩短了神经网络的训练时间。本文的研究工作表明了Kohonen神经网络算法适用于电信欺诈行为的分析,能够进行有效的预测。仿真结果证明了改进后算法的高效性,在电信欺诈预测中具有巨大的应用潜力。主要研究内容有：(1)分析国内电信数据的特点及当前国内电信欺诈问题的研究现状。(2)详细介绍了Kohonen神经算法及其实现步骤,并进行相应的改进。(3)建立Kohonen神经网络电信欺诈预测模型,并对原始电信数据进行预处理。(4)利用Matlab仿真技术对电信欺诈预测模型加以实现,最后对实验结果进行详细的分析。主要创新点有：(1)将Kohonen神经网络算法成功运用于电信欺诈行为预测,提供了一种有效的电信欺诈预测模型。(2)针对Kohonen神经网路算法所能处理数据的特点,本文对原始电信数据进行了独特的归范化处理,扩大了能够作为电信欺诈预测的数据样本属性。(3)对Kohonen神经网络算法中主要参数进行了研究,从而提出了一种更有效的改进方法。(4)成功地应用改进的Kohonen神经网络算法对电信欺诈行为进行预测,模拟仿真结果表明本文改进算法在挖掘效率方面有显著的提高。