基于知识管理的智能型贷款风险分类研究
| 摘要 | 第1-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的提出#l | 第9-10页 |
| ·文献综述 | 第10-13页 |
| ·本文的主要创新之处 | 第13页 |
| ·本文内容的章节安排 | 第13-15页 |
| 第二章 知识管理与人工智能 | 第15-36页 |
| ·知识、知识集成及知识管理 | 第15-22页 |
| ·知识分类 | 第15-17页 |
| ·知识集成 | 第17-19页 |
| ·知识管理 | 第19-22页 |
| ·人工智能与知识、知识管理之间的联系 | 第22-26页 |
| ·知识管理的兴起是人工智能发展的产物 | 第22-23页 |
| ·知识管理是人工智能的一个重要分支 | 第23-25页 |
| ·知识管理的发展进一步推动人工智能的广泛应用 | 第25-26页 |
| ·人工智能技术中的知识表示方法 | 第26-33页 |
| ·知识管理系统的知识谱线图 | 第26-27页 |
| ·面向对象的知识表示 | 第27-29页 |
| ·专家系统的知识表示 | 第29-30页 |
| ·神经网络的知识表示 | 第30-33页 |
| ·基于知识管理的智能型系统结构 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第三章 基于知识管理的贷款风险分类 | 第36-49页 |
| ·我国商业银行不良信贷资产现状 | 第36页 |
| ·我国信贷风险的一般分析 | 第36-38页 |
| ·加强信贷资产的风险管理、控制 | 第38-39页 |
| ·建立信贷风险决策的模型--国内外的一般研究状况 | 第39-41页 |
| ·基于贷款客户的信用分析模型 | 第39-40页 |
| ·基于投资项目分析的决策模型 | 第40页 |
| ·基于银行贷款风险度评价的决策模型 | 第40-41页 |
| ·贷款风险分类的分析 | 第41-44页 |
| ·贷款风险管理控制的内容 | 第41-42页 |
| ·贷款风险管理中的知识描述 | 第42-44页 |
| ·本文研究的内容和方法 | 第44-48页 |
| ·贷款风险分类与知识管理的关系 | 第44-46页 |
| ·我们所应采取的措施 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第四章 基于知识的非财务因素分析 | 第49-73页 |
| ·非财务因素分析的重要性 | 第49-51页 |
| ·开发KBS的方法 | 第51-60页 |
| ·面向对象思想与专家系统特征分析 | 第51-52页 |
| ·面向对象的知识库和知识库管理系统设计 | 第52-54页 |
| ·推理机设计 | 第54-57页 |
| ·实现的专家系统的功能特点 | 第57-60页 |
| ·非财务因素分析专家系统 | 第60-72页 |
| ·系统设计目标与开发步骤 | 第60-61页 |
| ·KBS系统的面向对象分析 | 第61-66页 |
| ·编制系统说明 | 第66-72页 |
| ·小结 | 第72-73页 |
| 第五章 基于神经网络的财务因素分析 | 第73-95页 |
| ·财务因素分析的重要性 | 第73-75页 |
| ·ANN的开发 | 第75-80页 |
| ·编程语言的选择 | 第75-76页 |
| ·ANN应用系统开发模型和方法 | 第76-80页 |
| ·财务因素分析系统 | 第80-93页 |
| ·系统设计目标 | 第80-81页 |
| ·关于BP模型的讨论 | 第81-84页 |
| ·基于BP模型的企业还款能力分析 | 第84-93页 |
| ·小结 | 第93-95页 |
| 第六章 ANN与ES集成的贷款风险分类系统 | 第95-115页 |
| ·ANN与ES集成的必要性 | 第95-96页 |
| ·ANN与ES集成模式研究 | 第96-97页 |
| ·ANN与ES集成系统的结构 | 第97-102页 |
| ·系统模型结构分析 | 第98-99页 |
| ·系统实施 | 第99-102页 |
| ·知识转换与知识求精表达策略 | 第102-111页 |
| ·知识集成表达策略 | 第102-106页 |
| ·知识转换 | 第106-109页 |
| ·知识求精 | 第109-111页 |
| ·贷款风险分类的综合分析 | 第111-114页 |
| ·小结 | 第114-115页 |
| 第七章 结论与展望 | 第115-117页 |
| ·全文总结 | 第115页 |
| ·系统改进、展望 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 作者在攻读博士期间发表的文章及参与科研项目 | 第128-130页 |
| 致谢 | 第130页 |
