| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景 | 第7-14页 |
| ·国外相关领域研究文献综述 | 第7-9页 |
| ·国内相关领域研究文献综述 | 第9-14页 |
| ·研究意义 | 第14页 |
| ·企业财务风险预测评价的方法 | 第14-15页 |
| ·本文的主要内容及章节安排 | 第15-17页 |
| 第二章 支持向量机及其分类原理 | 第17-31页 |
| ·机器学习与统计学习理论 | 第17-21页 |
| ·机器学习问题的表述 | 第17-18页 |
| ·经验风险最小化 | 第18页 |
| ·复杂性与推广能力 | 第18-19页 |
| ·统计学习理论的核心内容 | 第19页 |
| ·VC 维 | 第19-20页 |
| ·推广性的界 | 第20页 |
| ·结构风险最小化 | 第20-21页 |
| ·支持向量机的分类原理 | 第21-29页 |
| ·最优分类面与线性可分SVM | 第22-23页 |
| ·软间隔与线性不可分SVM | 第23-24页 |
| ·内积核函数与非线性SVM 分类情况的推广 | 第24-26页 |
| ·SVM 多分类问题 | 第26-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 企业样本和企业财务指标的选取 | 第31-39页 |
| ·企业财务风险的界定 | 第31-32页 |
| ·企业样本的选择 | 第32-34页 |
| ·企业样本选择的因素 | 第32-33页 |
| ·企业样本的确定 | 第33-34页 |
| ·企业财务指标的选取 | 第34-37页 |
| ·财务风险预测评价研究流程 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 企业财务风险预测评价模型的构建与检验 | 第39-49页 |
| ·引言 | 第39页 |
| ·主成分分析法的基本原理 | 第39-41页 |
| ·应用主成分析对原始样本数据的处理 | 第41-44页 |
| ·财务数据的相关系数分析 | 第41-42页 |
| ·主成分的选择及其解释 | 第42-44页 |
| ·企业财务风险预测评价模型的建立 | 第44-47页 |
| ·最小二乘支持向量机 | 第44-45页 |
| ·基于支持向量机方法的模型的分类识别实验结果与结论 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-50页 |
| ·本文工作总结 | 第49页 |
| ·今后工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第55页 |