基于蚁群算法的商业银行风险评估
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-9页 |
| ·商业银行存在的风险 | 第6页 |
| ·商业银行风险主要的评估方法 | 第6-7页 |
| ·蚁群算法的研究现状和意义 | 第7-8页 |
| ·本文主要研究内容和章节安排 | 第8-9页 |
| 第二章 粗糙集基础知识 | 第9-17页 |
| ·粗糙集基础理论 | 第9-13页 |
| ·知识的基本理论 | 第9-10页 |
| ·知识概率的分布 | 第10-11页 |
| ·新型成员关系相关理论 | 第11-12页 |
| ·概念边界相关知识 | 第12页 |
| ·分类质量和粗糙度 | 第12-13页 |
| ·知识的约简 | 第13-15页 |
| ·知识依赖及属性重要性 | 第15-17页 |
| 第三章 信用卡数据的离散化和属性约简 | 第17-35页 |
| ·离散化的思想和基本步骤 | 第18页 |
| ·候选断点确定及其辨别能力的判断 | 第18-19页 |
| ·离散化方法的简介 | 第19页 |
| ·本文结合蚁群算法具体的离散化编码规则 | 第19页 |
| ·基于模糊聚类的属性离散化 | 第19-26页 |
| ·FCMBP算法 | 第20-23页 |
| ·评价离散化效果的类信息熵 | 第23-24页 |
| ·基于FCMBP算法的离散化 | 第24页 |
| ·本文的具体应用 | 第24-26页 |
| ·基于自组织特征映射的连续属性离散化 | 第26-29页 |
| ·属性间不相容性的基本概念 | 第26-27页 |
| ·自组织特征映射的连续属性离散化 | 第27-28页 |
| ·本文的具体应用 | 第28-29页 |
| ·基于系统最大依赖度的连续属性离散化 | 第29-32页 |
| ·离散化矩阵的基本概念 | 第29-30页 |
| ·依赖度——离散化评价指标 | 第30-31页 |
| ·基于最大依赖度的离散化算法 | 第31页 |
| ·本文的具体应用 | 第31-32页 |
| ·本文对连续属性进行约简 | 第32-35页 |
| 第四章 蚁群理论及信用安全评估算法的实现 | 第35-49页 |
| ·基本蚁群算法的原理 | 第35-36页 |
| ·基本蚁群算法的模型 | 第36-38页 |
| ·基本蚁群算法的实现步骤 | 第38-39页 |
| ·本文对信用安全评估算法的实现 | 第39-49页 |
| ·本文对蚁群算法所做的改进 | 第40-42页 |
| ·程序实现 | 第42-49页 |
| 第五章 实验的结果与分析 | 第49-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
