| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1. 绪论 | 第12-19页 |
| ·研究背景 | 第12-13页 |
| ·研究目的和意义 | 第13-15页 |
| ·论文的主要工作和技术路线 | 第15-18页 |
| ·论文的章节安排 | 第18-19页 |
| 2. 财务危机相关理论 | 第19-29页 |
| ·国内外预警模型研究现状及分析 | 第19-22页 |
| ·财务危机的概念 | 第22-23页 |
| ·中小企业上市公司的定义 | 第23-25页 |
| ·中小企业上市公司的特点及财务危机的成因 | 第25-27页 |
| ·中小企业上市公司的特点 | 第25-26页 |
| ·中小企业上市公司财务危机的成因 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 3. 中小企业上市公司财务危机预警指标筛选及综合评价 | 第29-52页 |
| ·中小企业上市公司财务指标体系 | 第29-32页 |
| ·中小企业上市公司财务状况评价方法 | 第32-39页 |
| ·综合评价法——主成分分析法 | 第33-36页 |
| ·预警区间的划分——基于优化的K-means++聚类法 | 第36-38页 |
| ·预警区间划分的评价 | 第38-39页 |
| ·指标筛选——特征选择 | 第39-41页 |
| ·财务危机预警指标筛选及综合评价结果 | 第41-50页 |
| ·样本的选取及标准化处理 | 第41-42页 |
| ·综合评价得分及聚类结果 | 第42-49页 |
| ·指标筛选结果 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 4. 基于类间距离最大化的财务危机预警集成学习模型 | 第52-69页 |
| ·集成学习的原理及典型算法 | 第52-54页 |
| ·集成学习算法原理 | 第52-53页 |
| ·集成学习的典型算法 | 第53-54页 |
| ·基于类间距离最大化的集成学习模型 | 第54-63页 |
| ·对传统权值生成方式的分析 | 第54-56页 |
| ·基于类间距离最大化的权值生成方法 | 第56-58页 |
| ·基于类间距离最大化的SVM集成算法 | 第58-63页 |
| ·财务危机预警仿真实验 | 第63-67页 |
| ·预警窗口的选取 | 第63-64页 |
| ·SVM初始化参数及权衡因子 | 第64-65页 |
| ·中小企业上市公司财务危机预警结果及分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 5. 中小企业上市公司财务危机预警系统的设计与实现 | 第69-77页 |
| ·中国上市公司信息平台介绍 | 第69-71页 |
| ·预警系统的分析与设计 | 第71-74页 |
| ·系统各功能模块 | 第71-72页 |
| ·系统数据库结构 | 第72-73页 |
| ·系统设计架构及技术 | 第73-74页 |
| ·预警系统的实现与界面 | 第74-76页 |
| ·系统开发环境 | 第74页 |
| ·系统实现与界面 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 6. 论文总结与展望 | 第77-81页 |
| ·论文总结 | 第77-80页 |
| ·论文的主要成果 | 第77-78页 |
| ·论文的主要创新点 | 第78-80页 |
| ·论文的不足与展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 附录 | 第85-100页 |
| 后记 | 第100-101页 |
| 致谢 | 第101-102页 |
| 攻读硕士学位期间所发表的论文 | 第102页 |
