基于支持向量机的个人信用评估模型与算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·论文的研究背景与现实意义 | 第9-10页 |
| ·个人信用评估的相关概念 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文的研究内容 | 第12-13页 |
| ·论文的结构安排 | 第13-14页 |
| 第2章 个人信用评估系统模型 | 第14-20页 |
| ·系统的七元组整体框架 | 第14-18页 |
| ·基于SVM的个人信用评估系统模型 | 第18-20页 |
| 第3章 个人信用评估指标体系与数据预处理 | 第20-28页 |
| ·个人信用评估指标体系的研究 | 第20-24页 |
| ·国内普遍采用的指标体系 | 第20-22页 |
| ·评估指标体系建立的原则 | 第22-23页 |
| ·评估指标体系的建立 | 第23-24页 |
| ·数据的预处理方法 | 第24-28页 |
| ·数据清理 | 第24-25页 |
| ·数据集成 | 第25页 |
| ·数据表示 | 第25-27页 |
| ·数据变换 | 第27-28页 |
| 第4章 支持向量分类机 | 第28-35页 |
| ·支持向量机基本原理 | 第28-32页 |
| ·线性可分SVM | 第28-30页 |
| ·非线性可分支持向量机 | 第30-31页 |
| ·KKT条件 | 第31-32页 |
| ·序列最小最优化方法 | 第32-35页 |
| 第5章 基于SVM的个人信用评估算法 | 第35-49页 |
| ·基于二叉树的模糊支持向量机多分类算法 | 第35-43页 |
| ·基于二叉树的支持向量机的多分类算法 | 第35-37页 |
| ·模糊支持向量机 | 第37-38页 |
| ·BTFSVM算法 | 第38-41页 |
| ·实验及结果分析 | 第41-43页 |
| ·支持增量学习的BTFSVM算法 | 第43-46页 |
| ·SISVM算法 | 第43-44页 |
| ·支持增量学习的BTFSVM算法 | 第44-45页 |
| ·实验及结果分析 | 第45-46页 |
| ·支持并行学习的BTFSVM算法 | 第46-49页 |
| ·Cascade SVM算法 | 第46-47页 |
| ·支持并行学习的BTFSVM算法 | 第47-48页 |
| ·实验及结果分析 | 第48-49页 |
| 第6章 结论与展望 | 第49-51页 |
| ·研究工作总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-53页 |
| 攻读硕士期间参与的科研项目及研究成果 | 第53-54页 |
| 致谢 | 第54页 |
