基于GA-K2算法的贝叶斯网络研究及在个人信用评估的应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景与意义 | 第6页 |
| 1.2 国内外研究综述 | 第6-10页 |
| 1.3 本文创新之处 | 第10页 |
| 1.4 本文主要工作及结构安排 | 第10-11页 |
| 2 贝叶斯基本理论与贝叶斯分类器 | 第11-23页 |
| 2.1 贝叶斯基本理论 | 第11-12页 |
| 2.2 贝叶斯分类原理 | 第12-13页 |
| 2.3 朴素贝叶斯分类器（NBC） | 第13-14页 |
| 2.4 树增广朴素贝叶斯分类器（TAN） | 第14-16页 |
| 2.5 贝叶斯网络分类器（BNC） | 第16-23页 |
| 3 基于遗传算法的K2算法介绍 | 第23-34页 |
| 3.1 K2算法 | 第23-25页 |
| 3.2 遗传算法(GA) | 第25-29页 |
| 3.3 基于遗传算法的K2算法（GA-K2算法） | 第29-34页 |
| 4 个人信用评估仿真实验 | 第34-48页 |
| 4.1 个人信用评估基础知识 | 第34页 |
| 4.2 数据来源及说明 | 第34-35页 |
| 4.3 数据离散化 | 第35-37页 |
| 4.4 数据集划分及模型评估标准 | 第37-38页 |
| 4.5 仿真实验 | 第38-44页 |
| 4.6 结果分析与比较 | 第44-48页 |
| 5 总结与展望 | 第48-49页 |
| 5.1 本文总结 | 第48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 致谢 | 第54页 |
