基于机器学习的国有资产监管系统风险预警模型的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-15页 |
| ·课题背景 | 第9-10页 |
| ·研究现状 | 第10-14页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-14页 |
| ·本文组织结构 | 第14-15页 |
| 2 机器学习理论方法概述 | 第15-33页 |
| ·粗糙集理论与方法 | 第15-21页 |
| ·粗糙集理论基础 | 第15-17页 |
| ·粗糙集属性约简方法 | 第17-21页 |
| ·神经网络理论与方法 | 第21-26页 |
| ·BP 神经网络理论 | 第21-22页 |
| ·BP 网络算法 | 第22-23页 |
| ·小波理论概念 | 第23-25页 |
| ·小波神经网络算法 | 第25-26页 |
| ·时间序列分析理论与方法 | 第26-32页 |
| ·时间序列理论 | 第26-27页 |
| ·时间序列经典模型 | 第27-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于粗糙集的神经网络风险预警模型 | 第33-45页 |
| ·实验数据预处理及国有资产经营指标选取标准 | 第33-38页 |
| ·实验数据获取 | 第33-35页 |
| ·数据预处理 | 第35-36页 |
| ·国有资产经营指标及选取标准 | 第36-38页 |
| ·小波神经网络模型的建立 | 第38-44页 |
| ·小波神经网络实验 | 第39-40页 |
| ·仿真实验和结果 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于时间序列分析的神经网络风险预警模型 | 第45-55页 |
| ·国有资产风险预警模型的建立 | 第45-52页 |
| ·样本数据预处理 | 第45-47页 |
| ·时间序列分析模型的建立 | 第47-48页 |
| ·基于时间序列分析的国有资产绩效指标预测 | 第48-52页 |
| ·风险预警模型仿真结果及分析 | 第52-54页 |
| ·实验平台和实验步骤 | 第52页 |
| ·仿真实验和结果 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于机器学习的国有资产风险预警系统的实现 | 第55-65页 |
| ·项目背景介绍 | 第55-58页 |
| ·项目背景 | 第55页 |
| ·系统总体框架 | 第55-58页 |
| ·机器学习方法在风险预警模块中的实现 | 第58-62页 |
| ·数据导入导出功能 | 第58-59页 |
| ·数据预处理功能 | 第59-60页 |
| ·指标数据序列分析功能 | 第60-61页 |
| ·网络训练预警功能 | 第61-62页 |
| ·指标序列数据对比功能 | 第62页 |
| ·本章小结 | 第62-65页 |
| 6 总结与展望 | 第65-67页 |
| ·研究工作总结 | 第65-66页 |
| ·后续工作展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第73页 |
