| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 前言 | 第10-12页 |
| 第一章 企业信用评估及研究现状 | 第12-24页 |
| ·资信评估发展概述 | 第12页 |
| ·资信评估的分类 | 第12-13页 |
| ·企业信用评级的意义 | 第13-14页 |
| ·企业信用评级的指标体系 | 第14-17页 |
| ·企业信用评级方法 | 第17-23页 |
| ·信用要素分析法 | 第17页 |
| ·百分制计分方法 | 第17-18页 |
| ·信用模型分析法 | 第18-22页 |
| ·信用风险度量的商业化模型 | 第22-23页 |
| ·企业信用置信评估 | 第23-24页 |
| 第二章 TCM简介 | 第24-33页 |
| ·转导推理(Transduction) | 第24-25页 |
| ·算法随机性理论 | 第25-29页 |
| ·Kolmogorov复杂性 | 第25-27页 |
| ·算法随机性 | 第27页 |
| ·算法随机性检测 | 第27-29页 |
| ·转导置信度机器(TCM) | 第29-31页 |
| ·可靠的分类 | 第29-30页 |
| ·Transductive Confidence Machine(TCM) | 第30-31页 |
| ·奇异描述函数 | 第31-32页 |
| ·TCM的特点 | 第32-33页 |
| 第三章 TCM框架下的企业信用置信评估 | 第33-58页 |
| ·TCM-KNN与TCM-SVM | 第33-36页 |
| ·TCM-KNN | 第33页 |
| ·SVM与TCM-SVM | 第33-36页 |
| ·企业信用置信评估模型 | 第36-41页 |
| ·信用等级的划分 | 第36-37页 |
| ·指标体系的确定 | 第37-39页 |
| ·总体样本的筛选 | 第39-40页 |
| ·样本输入归一化 | 第40-41页 |
| ·基于欧氏距离的TCM-KNN及其企业信用置信评估 | 第41-49页 |
| ·经典的TCM-KNN算法 | 第41-44页 |
| ·实验及其结果分析 | 第44-49页 |
| ·基于核的TCM-KNN及其企业信用置信评估 | 第49-53页 |
| ·基于核的TCM-KNN算法 | 第49页 |
| ·实验及其结果分析 | 第49-53页 |
| ·基于拉格朗日乘子的TCM-SVM及其企业信用置信评估 | 第53-57页 |
| ·经典的TCM-SVM算法 | 第53-55页 |
| ·实验及其结果分析 | 第55-57页 |
| ·TCM-KNN与TCM-SVM置信评估小结 | 第57-58页 |
| 第四章 基于改进的TCM-SVM的企业信用置信评估 | 第58-66页 |
| ·TCM-SVM的改进 | 第58-60页 |
| ·基于拉格朗日乘子的TCM-SVM算法的不足 | 第58页 |
| ·改进的TCM-SVM算法 | 第58-60页 |
| ·基于改进的TCM-SVM的企业信用置信评估 | 第60-62页 |
| ·改进的TCM-SVM置信评估小结 | 第62页 |
| ·对比实验及分析总结 | 第62-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
