| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·问题的提出 | 第9-11页 |
| ·本文主要的研究内容 | 第11-13页 |
| 2 个人信用评估及其方法综述 | 第13-21页 |
| ·个人信用评估 | 第13页 |
| ·个人信用评估方法 | 第13-21页 |
| ·经验式判别法 | 第14-15页 |
| ·统计学方法 | 第15-17页 |
| ·运筹学方法 | 第17页 |
| ·人工智能方法 | 第17-20页 |
| ·其他方法 | 第20-21页 |
| 3 粗糙集和支持向量机理论介绍 | 第21-31页 |
| ·粗糙集理论概述 | 第21-25页 |
| ·粗糙集理论的产生及发展 | 第21页 |
| ·粗糙集相关概念 | 第21-23页 |
| ·基于粗糙集的属性约简 | 第23-24页 |
| ·约简算法 | 第24-25页 |
| ·基于支持向量机的分类实现 | 第25-31页 |
| ·统计学习理论中几个重要概念 | 第25-27页 |
| ·支持向量机分类情况 | 第27-31页 |
| 4 粗糙集-支持向量机个人信用评估模型构建 | 第31-39页 |
| ·指标选取原则 | 第31-32页 |
| ·个人信用评估指标体系 | 第32-34页 |
| ·选取粗糙集和支持向量机构建个人信用评估模型的主要依据 | 第34-37页 |
| ·个人信用数据及评估指标的特点 | 第34-35页 |
| ·选取使用粗糙集的依据 | 第35-36页 |
| ·选取支持向量机的依据 | 第36-37页 |
| ·模型构建流程 | 第37页 |
| ·本章小结 | 第37-39页 |
| 5 实验设计及实验结果分析 | 第39-52页 |
| ·数据源 | 第39-41页 |
| ·来源 | 第39-40页 |
| ·数据量化 | 第40-41页 |
| ·基于粗糙集的数据预处理 | 第41-45页 |
| ·数据离散化 | 第41-42页 |
| ·属性约简 | 第42-43页 |
| ·约简结果及评估指标定量分析 | 第43-45页 |
| ·SVM样本选取及数据处理 | 第45-49页 |
| ·样本选取及数据标准化 | 第45-46页 |
| ·SVM核函数选取 | 第46-47页 |
| ·参数优化 | 第47-49页 |
| ·实验结果分析 | 第49-50页 |
| ·对比实验 | 第50-51页 |
| ·同数据不同方法 | 第50页 |
| ·同方法不同数据 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·研究不足和未来展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 作者攻读学位期间发表的论文 | 第58页 |