| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 引言 | 第10-11页 |
| 1 银行客户信用评估分析中的遗传算法和决策树方法 | 第11-18页 |
| 1.1 遗传算法 | 第11-15页 |
| 1.1.1 遗传算法的原理 | 第11-12页 |
| 1.1.2 遗传算法的结构 | 第12-14页 |
| 1.1.3 遗传算法的特点 | 第14-15页 |
| 1.2 决策树方法 | 第15-18页 |
| 1.2.1 决策树方法的原理 | 第15-16页 |
| 1.2.2 决策树方法的结构 | 第16页 |
| 1.2.3 决策树方法的特点 | 第16-18页 |
| 2 用遗传算法演化决策树 | 第18-24页 |
| 2.1 遗传算子的选择 | 第18-19页 |
| 2.2 反馈函数 | 第19-21页 |
| 2.3 计算复杂度 | 第21-23页 |
| 2.4 用遗传算法生成决策树的优势 | 第23-24页 |
| 3. 实证分析 | 第24-31页 |
| 3.1 数据预处理 | 第24-26页 |
| 3.2 无规模控制算法设计 | 第26-28页 |
| 3.3 有规模控制算法设计 | 第28-31页 |
| 4 遗传算法演化决策树结果讨论 | 第31-32页 |
| 5 信用评估系统 | 第32-38页 |
| 5.1 决策树与LOGISTIC 回归 | 第32-34页 |
| 5.1.1 Logistic 回归简介 | 第32页 |
| 5.1.2 利用Logistic 回归评估客户信用 | 第32-34页 |
| 5.2 决策树与多层前向感知机 | 第34-36页 |
| 5.2.1 多层前向感知机简介 | 第34-35页 |
| 5.2.2 利用多层前向感知机评估客户信用 | 第35-36页 |
| 5.3 利用决策树，MLP 和LOGISTIC 回归构造信用评估系统 | 第36-38页 |
| 6 结论 | 第38-39页 |
| 参考文献 | 第39-40页 |
| 附录1 无规模控制算法设计交叉率及变异率试验结果 | 第40-41页 |
| 附录2 无规模控制算法设计结果 | 第41-49页 |
| 附录3 有规模控制算法设计规模控制常数实验 | 第49-50页 |
| 附录4 有规模控制算法设计结果 | 第50-55页 |
| 附录5 MLP 神经网络MATLAB 实验设置及结果 | 第55-58页 |
| 致谢 | 第58页 |
