| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 1. 引言 | 第13-18页 |
| ·研究背景及意义 | 第13-15页 |
| ·论文研究方法 | 第15页 |
| ·论文研究思路及结构 | 第15-18页 |
| 2. 个人信用评估及其研究现状综述 | 第18-39页 |
| ·个人信用评估的相关概念 | 第18-21页 |
| ·信用和个人信用 | 第18页 |
| ·个人信用评估 | 第18-20页 |
| ·个人信用评估模式 | 第20-21页 |
| ·国内外个人信用评估研究文献综述 | 第21-28页 |
| ·国外个人信用评估研究方法文献综述 | 第22-26页 |
| ·国内个人信用评估研究方法文献综述 | 第26-28页 |
| ·近几年主要的个人信用评估方法介绍 | 第28-39页 |
| ·统计学方法 | 第29-32页 |
| ·非统计学方法 | 第32-39页 |
| 3. 稀疏贝叶斯学习的理论基础 | 第39-47页 |
| ·贝叶斯理论的几个基本概念 | 第39-41页 |
| ·条件概率和乘法定理 | 第39-40页 |
| ·贝叶斯统计 | 第40-41页 |
| ·最大似然估计和贝叶斯估计 | 第41-42页 |
| ·最大似然估计 | 第41-42页 |
| ·贝叶斯估计 | 第42页 |
| ·贝叶斯学习 | 第42-43页 |
| ·稀疏表示 | 第43-45页 |
| ·稀疏贝叶斯学习框架 | 第45-47页 |
| 4. 个人信用评估指标体系 | 第47-53页 |
| ·个人信用评估指标体系构建概述 | 第47-48页 |
| ·个人信用评估指标体系的构建原则 | 第48-49页 |
| ·国内外个人信用评价体系情况 | 第49-53页 |
| ·国内个人信用评价体系 | 第49-51页 |
| ·国外个人信用评价体系 | 第51-53页 |
| 5. 数据预处理及基于稀疏贝叶斯学习的个人信用评估模型构建 | 第53-72页 |
| ·数据来源 | 第53-58页 |
| ·数据预处理 | 第58-68页 |
| ·缺失值的处理 | 第58-59页 |
| ·指标赋值 | 第59-62页 |
| ·数据归一化 | 第62-67页 |
| ·数据集的划分 | 第67-68页 |
| ·基于稀疏贝叶斯学习个人信用评估模型的构建 | 第68-70页 |
| ·模型评估指标-分类精度 | 第70-72页 |
| 6. 实验结果比较 | 第72-83页 |
| ·稀疏贝叶斯学习模型与传统模型分类精度的比较 | 第72-79页 |
| ·基于德国数据集的实证研究 | 第72-75页 |
| ·基于澳大利亚和英国数据集的实证研究 | 第75-79页 |
| ·不同K-折交叉验证法稀疏贝叶斯学习模型分类精度比较 | 第79-80页 |
| ·不同的数据归一化方法下稀疏贝叶斯学习模型分类精度比较 | 第80-81页 |
| ·不同阈值下稀疏贝叶斯学习模型的分类精度比较 | 第81-83页 |
| 7. 总结与展望 | 第83-86页 |
| ·全文总结 | 第83-84页 |
| ·展望 | 第84-86页 |
| 参考文献 | 第86-93页 |
| 后记 | 第93-94页 |
| 致谢 | 第94-95页 |
| 在读期间科研成果目录 | 第95页 |
