数据挖掘技术在企业财务风险评估中的研究应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9页 |
| ·数据挖掘技术概述 | 第9-14页 |
| ·数据挖掘定义 | 第9-10页 |
| ·数据挖掘发展历史 | 第10-11页 |
| ·数据挖掘流程 | 第11-12页 |
| ·数据挖掘主要任务 | 第12-13页 |
| ·数据挖掘研究现状 | 第13-14页 |
| ·数据挖掘实现方法 | 第14页 |
| ·支持向量机概述 | 第14-15页 |
| ·本文研究主要内容和创新点 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 2 基础理论研究 | 第17-26页 |
| ·支持向量机理论 | 第17-23页 |
| ·统计学习理论 | 第17-19页 |
| ·支持向量机 | 第19-23页 |
| ·遗传算法 | 第23-25页 |
| ·确定参数编码方案 | 第24页 |
| ·初始群体设定 | 第24页 |
| ·适应度函数设计 | 第24页 |
| ·遗传运算设计 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 数据挖掘流程改进方案 | 第26-43页 |
| ·数据预处理优化 | 第26-28页 |
| ·数据预处理设计 | 第26-27页 |
| ·数据清洗 | 第27页 |
| ·数据消减 | 第27-28页 |
| ·数据理解 | 第28页 |
| ·数据转换 | 第28页 |
| ·SVM 参数寻优 | 第28-31页 |
| ·误差惩罚参数 C 的影响 | 第29页 |
| ·高斯参数δ的影响 | 第29页 |
| ·参数优化方法 | 第29-30页 |
| ·参数优化实验 | 第30-31页 |
| ·特征子集选取 | 第31-36页 |
| ·特征子集选取理论 | 第31-34页 |
| ·基于遗传算法的特征选择 | 第34-36页 |
| ·SVM 算法判别改进 | 第36-42页 |
| ·判别函数 | 第36-37页 |
| ·判别方法改进 | 第37-39页 |
| ·训练集修剪 | 第39-41页 |
| ·算法实验对比 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 支持向量机在财务风险中的挖掘研究 | 第43-50页 |
| ·金融财务风险分析背景 | 第43-44页 |
| ·数据介绍 | 第43-44页 |
| ·开发处理工具介绍 | 第44页 |
| ·数据预处理 | 第44-45页 |
| ·数据比例和大小选取 | 第45-46页 |
| ·特征子集选取 | 第46-48页 |
| ·执行代码情况 | 第46页 |
| ·特征选取后与选取前的对比 | 第46-47页 |
| ·最优特征子集解释 | 第47-48页 |
| ·算法优化与对比 | 第48页 |
| ·本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
