基于神经网络的信用评估模型的研究
| 第一章 绪论 | 第1-24页 |
| ·课题的提出 | 第21-22页 |
| ·国内外研究现状及发展趋势 | 第22页 |
| ·论文的结构 | 第22-24页 |
| 第二章 数据挖掘技术 | 第24-40页 |
| ·数据挖掘技术概述 | 第24-25页 |
| ·数据挖掘技术和其它方法的联系 | 第25-30页 |
| ·数据挖掘与传统分析方法的区别 | 第25页 |
| ·数据挖掘与数据库、数据仓库技术 | 第25-29页 |
| ·数据挖掘和联机分析处理 | 第29页 |
| ·数据挖掘，机器学习和统计 | 第29-30页 |
| ·数据挖掘研究技术与方法 | 第30-33页 |
| ·数据挖掘研究的内容 | 第30-32页 |
| ·数据挖掘研究应用的主要技术 | 第32-33页 |
| ·数据挖掘的流程 | 第33-34页 |
| ·数据挖掘解决的典型商业问题 | 第34-35页 |
| ·神经网络技术 | 第35-40页 |
| ·神经元模型概述 | 第35-37页 |
| ·神经网络的工作原理 | 第37-38页 |
| ·神经网络的特点 | 第38-39页 |
| ·神经网络的应用领域 | 第39-40页 |
| 第三章 现代信用风险概述 | 第40-49页 |
| ·信用风险的定义 | 第40页 |
| ·信用风险的成因 | 第40-41页 |
| ·信用风险度量模型 | 第41-49页 |
| ·模型概述 | 第41-42页 |
| ·企业信用风险评估方法 | 第42-44页 |
| ·企业信用评估体系 | 第44-46页 |
| ·个人信用风险评估方法 | 第46-49页 |
| 第四章 前馈神经网络 | 第49-57页 |
| ·前馈神经网络概述 | 第49-52页 |
| ·网络结构 | 第49页 |
| ·学习方法 | 第49-50页 |
| ·转移函数 | 第50-52页 |
| ·误差函数 | 第52页 |
| ·误差反传(BP)算法 | 第52-57页 |
| ·BP网络模型 | 第52-53页 |
| ·三层BP学习算法 | 第53-55页 |
| ·BP算法程序实现 | 第55-57页 |
| 第五章 基于神经网络的企业信用评估模型 | 第57-71页 |
| ·企业信用风险评估的课题背景 | 第57-58页 |
| ·国内外商业银行企业信用评估的现状 | 第58页 |
| ·企业信用评估指标体系 | 第58-59页 |
| ·企业信用评估神经网络模型 | 第59-64页 |
| ·指标体系标准化处理 | 第60-61页 |
| ·神经元转移函数的选择 | 第61-62页 |
| ·模型构造 | 第62-63页 |
| ·学习算法 | 第63-64页 |
| ·模型仿真 | 第64-70页 |
| ·指标体系数据标准化处理 | 第64-68页 |
| ·模型仿真 | 第68-70页 |
| ·模型评价 | 第70-71页 |
| 第六章 基于神经网络的个人信用评估模型 | 第71-79页 |
| ·个人信用评估课题的背景 | 第71-72页 |
| ·国内外商行消费者信用评估现状 | 第72页 |
| ·个人信用评估指标体系 | 第72-73页 |
| ·个人信用评估神经网络模型 | 第73-78页 |
| ·指标数据标准化处理 | 第73-76页 |
| ·神经元转移函数的选择 | 第76页 |
| ·模型构造 | 第76-77页 |
| ·学习算法 | 第77-78页 |
| ·模型评价 | 第78-79页 |
| 第七章 结论 | 第79-81页 |
| ·论文进行的研究和主要工作 | 第79页 |
| ·模型修正方法和下一步工作打算 | 第79-81页 |
| 致谢 | 第81-82页 |
| 主要参考文献 | 第82-83页 |
