| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-18页 |
| ·选题背景 | 第11-12页 |
| ·选题意义 | 第12-13页 |
| ·国内外个人信用评价研究现状 | 第13-16页 |
| ·国外研究现状 | 第13-14页 |
| ·国内研究现状 | 第14-16页 |
| ·研究内容及论文框架 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·论文基本框架 | 第17-18页 |
| 2 个人信用评价相关理论概述 | 第18-25页 |
| ·信用的涵义及分类 | 第18-19页 |
| ·信用的涵义 | 第18页 |
| ·信用的分类 | 第18-19页 |
| ·个人信用评价 | 第19-20页 |
| ·个人信用评价的概念 | 第19页 |
| ·个人信用评价的特点 | 第19-20页 |
| ·传统的信用评价方法 | 第20-25页 |
| ·判别分析法 | 第21页 |
| ·回归分析 | 第21-22页 |
| ·K-近邻判别 | 第22-23页 |
| ·决策树 | 第23页 |
| ·神经网络 | 第23-24页 |
| ·遗传算法 | 第24-25页 |
| 3 高校学生个人信用评价指标体系的构建 | 第25-31页 |
| ·指标体系建立的原则与方法 | 第25-26页 |
| ·指标选取的原则 | 第25-26页 |
| ·指标体系建立的方法 | 第26页 |
| ·高校学生个人信用评价指标体系 | 第26-28页 |
| ·指标的量化处理 | 第28-30页 |
| ·信用等级划分 | 第30-31页 |
| 4 基于PSO-BP 的高校学生个人信用评价模型构建 | 第31-52页 |
| ·BP 神经网络 | 第31-35页 |
| ·BP 网络模型 | 第31-32页 |
| ·学习规则 | 第32页 |
| ·数学模型 | 第32-34页 |
| ·BP 算法流程 | 第34-35页 |
| ·BP 算法的局限性 | 第35页 |
| ·微粒群算法 | 第35-38页 |
| ·PSO 算法的基本原理 | 第36页 |
| ·PSO 算法的数学描述 | 第36页 |
| ·PSO 算法流程 | 第36-38页 |
| ·PSO-BP 算法 | 第38-41页 |
| ·基本思想 | 第38-39页 |
| ·算法流程 | 第39-41页 |
| ·PSO-BP 模型的构建 | 第41-52页 |
| ·模型网络结构设计 | 第41页 |
| ·模型网络参数设置 | 第41页 |
| ·数据的采集 | 第41-42页 |
| ·目标信用分值的确定 | 第42-43页 |
| ·数据抽样 | 第43-44页 |
| ·数据分组 | 第44页 |
| ·PSO-BP 模型的Matlab 实现 | 第44-49页 |
| ·BP 模型的Matlab 实现 | 第49-52页 |
| 5 高校学生个人信用评价模型的评价 | 第52-63页 |
| ·PSO-BP 模型评价 | 第52-56页 |
| ·BP 模型评价 | 第56-60页 |
| ·PSO-BP 模型与BP 模型的性能比较分析 | 第60-61页 |
| ·实证分析 | 第61-63页 |
| 6 结论 | 第63-65页 |
| ·本文的研究成果 | 第63-64页 |
| ·本论文的不足及展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-73页 |
| 攻读学位期间发表的论文 | 第73-74页 |