近年来，随着经济全球化以及经济网络化的发展，各种有关金融自由化与国际化的技术手段被广泛采用并大力推广。信用卡作为一种先进的金融支付工具，因其操作便捷，结算安全的特点得到了快速的发展。全球的信用卡市场不断成长，越来越多的商家支持信用卡支付方式，同时伴随着B2C，C2C等一系列不同模式电子商务的蓬勃发展，以信用卡为支付媒介的交易行为不断增长，在支付领域中占有越来越大比重。　　 伴随着信用卡市场的快速扩张，多家银行之间的竞争也日益明显。为了抢占信用卡市场以及争夺用户群体，各大银行纷纷推出各类信用卡或者提高信用卡的透支额度等等，结果导致市场中有相当大一部分的信用卡用户拥有两张以上的信用卡。但事实上持卡人的消费能力是有限的，在持有多张信用卡的情况下却由于整体信用额度较多，影响持卡人消费心理而产生超出消费能力的额外消费或无法及时还款等情况，同时由于免担保、循环信用额度、申请人额度审批过松等因素，都有可能造成银行产生信用卡坏账的情况。参考国外信用卡危机的前车之鉴，有必要对信用卡账户进行信誉检测，根据信誉变动调整信用卡信用额度，以规避信用卡坏账风险。　　 近年来，随着IT技术的迅速发展，数据挖掘中的很多技术，如关联规则、决策树、神经网络等已被各个行业领域应用到大量业务的数据分析及信息提取中。目前，数据挖掘已成为商业数据分析工作的重要工具而被广泛的应用。由于我国银行信用卡业务的急剧扩展，产生了规模巨大的信用卡交易数据，迫切需要对各种数据进行有效的管理和挖掘。如何利用客户的基本信息及交易行为信息，演绎客户信用卡的交易行为模式，识别和控制信用卡交易中的恶意提现以及恶意透支行为，检测信用卡账户的信誉水平以更好地为优质客户提供满意的服务同时降低非优质客户所带来的坏账风险，是我国银行信用卡风险管理迫切需要解决的问题。　　 本文旨在通过结合统计分析方法和数据挖掘这两种技术，实现准确、有效的客户信誉检测，为银行分析和进一步的数据挖掘等工作提供支持。开展信用卡信誉检测的研究，建立优质的信用卡信誉检测模型，帮助即时监控信用卡坏账风险以及分辨优质和非优质客户从而制定有针对性的产品方案等，既是我国银行信用卡业务规避坏账风险，进行风险控制的重要保障，又能帮助银行针对优质客户和非优质客户制定特质化服务，是一项兼有前瞻性和现实性的有益探索。　　 本文给出了支持向量机的信誉检测模型和基于决策树的信誉检测模型的建立方法，并且结合巴氏距离和relief算法对信用卡信誉检测相关的属性进行删选，改进SVM方法的建模效果，使得SVM方法根据抽取出的属性建立的模型更适用于信用卡信誉检测问题。在上述两种单一分类器的基础上，归纳总结支持向量机方法和决策树方法对信用卡信誉检测的偏好特性，提出了一种基于偏好特性进行组合的组合分类模型建立方法。这在理论上可以丰富信誉检测与数据挖掘领域的研究，在实际上可为银行信用卡风险管理提供有效信息，为银行在以客户为中心的管理理念背景下，利用信息技术提高银行竞争力，具有一定的指导意义与应用价值。