基于贝叶斯网络的SVM客户信用评估模型研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-12页 |
| 1.2.1 数据缺失问题研究综述 | 第10-11页 |
| 1.2.2 信用评估方法综述 | 第11-12页 |
| 1.3 选题的目的及意义 | 第12-13页 |
| 1.3.1 理论意义 | 第13页 |
| 1.3.2 实践意义 | 第13页 |
| 1.4 研究方法、内容及论文结构 | 第13-15页 |
| 1.4.1 研究方法 | 第13-14页 |
| 1.4.2 研究内容 | 第14页 |
| 1.4.3 论文结构 | 第14-15页 |
| 2 相关理论 | 第15-27页 |
| 2.1 缺失类型对填充算法的影响 | 第15-17页 |
| 2.1.1 缺失机制 | 第15页 |
| 2.1.2 缺失模式 | 第15-17页 |
| 2.2 贝叶斯网推理 | 第17-22页 |
| 2.2.1 概率论的相关基础知识 | 第17-19页 |
| 2.2.2 贝叶斯网络 | 第19-20页 |
| 2.2.3 概率推理 | 第20-22页 |
| 2.3 支持向量机理论 | 第22-27页 |
| 2.3.1 SVM基本原理 | 第23-26页 |
| 2.3.2 SVM的核心算法SMO | 第26-27页 |
| 3 银行客户信用评估的数据预处理 | 第27-31页 |
| 3.1 数据来源及结构 | 第27-29页 |
| 3.2 数据的表示 | 第29-31页 |
| 3.2.1 数值型数据的表达 | 第29-30页 |
| 3.2.2 字符型数据的转换 | 第30页 |
| 3.2.3 本文数据的具体表示形式 | 第30-31页 |
| 4 银行客户信用数据缺失值填充算法 | 第31-43页 |
| 4.1 数据缺失情况 | 第31页 |
| 4.2 基于贝叶斯网络推理的缺失数据填充算法 | 第31-41页 |
| 4.2.1 贝叶斯网络构建 | 第32-36页 |
| 4.2.2 概率推理 | 第36-39页 |
| 4.2.3 概率表的存储与查询 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-43页 |
| 5 基于支持向量机的客户信用评估模型 | 第43-50页 |
| 5.1 客户信用评估体系 | 第43页 |
| 5.2 客户“是否违约”的判定模型 | 第43-45页 |
| 5.3 客户违约概率的计算模型 | 第45-47页 |
| 5.4 客户信用风险的预测模型 | 第47-50页 |
| 6 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简历 | 第53-55页 |
| 学位论文数据集 | 第55-56页 |
