基于改进的BP神经网络的农户小额信用贷款风险评估模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究综述 | 第11-14页 |
| ·国内相关研究综述 | 第11-12页 |
| ·国外相关研究综述 | 第12-14页 |
| ·研究方法及结构 | 第14页 |
| ·研究方法 | 第14页 |
| ·研究结构 | 第14页 |
| ·小结 | 第14-15页 |
| 第2章 农户小额信用贷款风险评估的理论基础 | 第15-20页 |
| ·信用风险理论 | 第15-16页 |
| ·信用风险的定义 | 第15页 |
| ·信用风险的种类 | 第15页 |
| ·信用风险的特征与特点 | 第15-16页 |
| ·农户小额信贷信用风险概述 | 第16页 |
| ·个人信用评估技术理论基础 | 第16-19页 |
| ·多元判别分析法 | 第16-17页 |
| ·Logistic回归方法 | 第17-18页 |
| ·决策树分类法 | 第18页 |
| ·神经网络分析法 | 第18页 |
| ·遗传算法 | 第18页 |
| ·支持向量机方法 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第3章 改进的BP人工神经网络构建 | 第20-39页 |
| ·神经网络的基本概念 | 第20-23页 |
| ·神经元 | 第20-21页 |
| ·神经网络的学习 | 第21-23页 |
| ·BP神经网络结构及其工作原理 | 第23-28页 |
| ·BP神经网络的结构和算法思想 | 第23-25页 |
| ·BP神经网络的优缺点 | 第25-26页 |
| ·BP神经网络算法的改进 | 第26-28页 |
| ·粒子群算法 | 第28-31页 |
| ·粒子群算法的出现 | 第28页 |
| ·基本概念 | 第28-29页 |
| ·粒子群算法的流程 | 第29-31页 |
| ·量子粒子群优化算法 | 第31-32页 |
| ·量子粒子群算法原理 | 第31页 |
| ·算法的优缺点 | 第31-32页 |
| ·改进的量子粒子群算法 | 第32-35页 |
| ·改进策略 | 第32-33页 |
| ·MQPSO算法流程 | 第33-34页 |
| ·仿真实验分析 | 第34-35页 |
| ·基于改进QPSO的BP神经网络算法 | 第35-38页 |
| ·改进算法思路 | 第35页 |
| ·改进的BP网络的实现 | 第35-37页 |
| ·改进算法优点 | 第37页 |
| ·改进算法的性能分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 农户小额信用贷款风险评估算法分析 | 第39-46页 |
| ·数据指标的选取 | 第39-41页 |
| ·指标的赋值 | 第41-43页 |
| ·神经网络模型结构的确定 | 第43-44页 |
| ·实验运行结果 | 第44-45页 |
| ·仿真实验 | 第44-45页 |
| ·结果分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第5章 总结和展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |
