基于神经网络的个人信用评估模型的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·问题的提出 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·个人信用评估的意义 | 第12-13页 |
| ·研究的内容和方法 | 第13-15页 |
| ·研究的基本思路 | 第13-14页 |
| ·论文的基本框架 | 第14-15页 |
| 第2章 个人信用评估概述 | 第15-26页 |
| ·个人信用评估原理 | 第15-17页 |
| ·个人信用评估简介 | 第15-16页 |
| ·个人信用评估的特点 | 第16页 |
| ·个人信用评估的范围 | 第16-17页 |
| ·个人信用评估的层次 | 第17页 |
| ·个人信用评估指标体系的构建 | 第17-22页 |
| ·评估指标选取原则 | 第17-18页 |
| ·指标体系构成 | 第18-21页 |
| ·信用等级划分 | 第21-22页 |
| ·个人信用评估方法 | 第22-26页 |
| ·定性方法 | 第22-23页 |
| ·定量方法 | 第23-26页 |
| 第3章 LVQ神经网络模型 | 第26-32页 |
| ·神经网络概述 | 第26-28页 |
| ·神经网络分类 | 第26页 |
| ·神经网络工作原理 | 第26-27页 |
| ·神经网络学习方法 | 第27-28页 |
| ·LVQ神经网络 | 第28-32页 |
| ·网络模型 | 第28-29页 |
| ·学习规则 | 第29-31页 |
| ·算法步骤 | 第31-32页 |
| 第4章 遗传神经网络模型 | 第32-45页 |
| ·遗传算法原理 | 第32-36页 |
| ·遗传算法的基本思想 | 第32页 |
| ·遗传算法的实现技术 | 第32-36页 |
| ·BP神经网络 | 第36-41页 |
| ·网络模型 | 第36页 |
| ·学习过程 | 第36-39页 |
| ·BP网络的局限性 | 第39-40页 |
| ·BP网络的改进 | 第40-41页 |
| ·用遗传算法优化神经网络 | 第41-45页 |
| ·神经网络和遗传算法结合原理 | 第41-42页 |
| ·遗传算法对神经网络的进化方式 | 第42-43页 |
| ·遗传算法优化神经网络连接权 | 第43-45页 |
| 第5章 个人信用评估模型设计 | 第45-52页 |
| ·数据准备 | 第45-46页 |
| ·数据构成 | 第45页 |
| ·数据抽样 | 第45-46页 |
| ·LVQ神经网络模型设计 | 第46-47页 |
| ·网络结构的设计 | 第46-47页 |
| ·网络参数的确定 | 第47页 |
| ·遗传神经网络模型的设计 | 第47-52页 |
| ·BP网络结构的设计 | 第47-48页 |
| ·GA算法设计 | 第48-49页 |
| ·用BP算法训练神经网络 | 第49-50页 |
| ·GA-BP网络模型的计算流程 | 第50-52页 |
| 第6章 个人信用评估模型实现 | 第52-60页 |
| ·开发工具选择—MATLAB | 第52页 |
| ·基于 MATLAB的LVQ模型 | 第52-54页 |
| ·遗传神经网络模型的建立 | 第54-56页 |
| ·模型分析与评价 | 第56-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间公开发表论文 | 第65-66页 |
| 致谢 | 第66-67页 |
| 研究生履历 | 第67页 |
