基于粗集和SVM的房贷信用评估的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-20页 |
| ·应用背景 | 第10-12页 |
| ·论文研究的内容 | 第12-16页 |
| ·银行住房贷款现状 | 第12-13页 |
| ·传统住房贷款信用评估方法 | 第13页 |
| ·住房贷款信用评估方法的改进 | 第13-16页 |
| ·论文研究采用的方法 | 第16-18页 |
| ·分类预测 | 第16-17页 |
| ·常用分类方法介绍 | 第17-18页 |
| ·选用支持向量机的原因 | 第18页 |
| ·本文的主要工作 | 第18-20页 |
| 2 支持向量机和粗糙集 | 第20-32页 |
| ·支持向量机理论基础 | 第20-22页 |
| ·机器学习问题和经验风险最小化 | 第20页 |
| ·VC维和推广性的界 | 第20-21页 |
| ·结构风险最小化 | 第21-22页 |
| ·支持向量机 | 第22-29页 |
| ·支持向量机的种类 | 第22-27页 |
| ·SVM的几种训练算法 | 第27-28页 |
| ·Chunking、Osuna、SMO算法比较 | 第28页 |
| ·支持向量机的研究现状 | 第28-29页 |
| ·粗糙集概述 | 第29-32页 |
| ·信息系统 | 第29页 |
| ·不可分辨关系与决策表的定义 | 第29-30页 |
| ·决策表的属性约简 | 第30-31页 |
| ·几种属性约简算法 | 第31-32页 |
| 3 数据采集和预处理 | 第32-42页 |
| ·数据采集 | 第32-35页 |
| ·原始数据描述 | 第32页 |
| ·抽取数据 | 第32-35页 |
| ·数据预处理 | 第35-42页 |
| ·数据清理 | 第35页 |
| ·数据集成 | 第35-38页 |
| ·数据概化 | 第38-40页 |
| ·数据映射 | 第40-42页 |
| 4 信用评估中的关键问题 | 第42-56页 |
| ·数据集的划分 | 第42-43页 |
| ·训练算法的选取 | 第43-44页 |
| ·核函数的选取 | 第44-46页 |
| ·核参数的选取 | 第46-48页 |
| ·样本非均衡问题 | 第48-51页 |
| ·粗集和支持向量机的结合 | 第51-56页 |
| 5 原型系统的设计与实现 | 第56-65页 |
| ·系统设计目标 | 第56-57页 |
| ·系统流程结构和功能设计 | 第57-59页 |
| ·系统流程结构 | 第57-58页 |
| ·系统功能设计 | 第58-59页 |
| ·系统各子模块 | 第59-65页 |
| ·数据预处理模块 | 第59-61页 |
| ·训练模块 | 第61-62页 |
| ·分类预测模块 | 第62-63页 |
| ·结果显示模块 | 第63-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
| 大连理工大学学位论文版权使用授权书 | 第70页 |
