| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-16页 |
| ·单一模型研究现状 | 第9-13页 |
| ·组合模型研究现状 | 第13-15页 |
| ·现有研究成果的评述 | 第15-16页 |
| ·论文的内容和结构 | 第16-18页 |
| 第2章 投票式组合预测模型的构建思路 | 第18-31页 |
| ·投票式组合预测的思想和模型构建的步骤 | 第18-21页 |
| ·组合预测的思想 | 第18-19页 |
| ·投票式组合预测及其优势分析 | 第19-20页 |
| ·投票式组合预测模型的构建步骤 | 第20-21页 |
| ·指标的选择和设置 | 第21页 |
| ·单一模型选择 | 第21-28页 |
| ·单一模型选择的思路 | 第21-24页 |
| ·数理统计模型选择 | 第24-25页 |
| ·非参数分析模型选择 | 第25-26页 |
| ·人工智能模型选择 | 第26-28页 |
| ·投票组合方式的选择 | 第28-29页 |
| ·一致同意规则 | 第28页 |
| ·简单多数规则 | 第28-29页 |
| ·加权多数规则 | 第29页 |
| ·基于贝叶斯算法的投票式组合预测模型优势分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 投票式组合预测模型的构建 | 第31-40页 |
| ·投票式组合预测模型的结构 | 第31页 |
| ·单一模型的构建 | 第31-35页 |
| ·Logistic 回归模型的构建 | 第31-32页 |
| ·聚类分析模型的构建 | 第32-34页 |
| ·神经网络模型的构建 | 第34-35页 |
| ·基于贝叶斯算法的投票式组合预测模型的基本原理 | 第35-36页 |
| ·基于贝叶斯算法的投票式组合预测模型的计算机实现 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 投票式组合预测模型的应用 | 第40-52页 |
| ·样本数据的预处理 | 第40页 |
| ·单一模型在个人信用评估中的应用 | 第40-48页 |
| ·Logistic 回归在个人信用评估中的应用 | 第40-43页 |
| ·聚类分析在个人信用评估中的应用 | 第43-45页 |
| ·神经网络在个人信用评估中的应用 | 第45-46页 |
| ·单一模型的应用结果分析 | 第46-48页 |
| ·基于贝叶斯算法的投票式组合预测模型的应用结果分析 | 第48-50页 |
| ·单一模型和投票式组合预测模型应用结果的比较 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58页 |