物流企业信用评级技术研究及系统实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 数据集成的隐私保护的研究 | 第10-11页 |
| 1.2.2 信用评级算法的研究 | 第11-13页 |
| 1.3 研究目标及内容 | 第13-14页 |
| 1.4 本文章节安排 | 第14-15页 |
| 第二章 物流企业信用评级业务分析及方案设计 | 第15-23页 |
| 2.1 物流企业信用评级业务分析 | 第15-17页 |
| 2.1.1 物流企业信用评级业务概述 | 第15-16页 |
| 2.1.2 物流企业信用评级中存在的问题 | 第16-17页 |
| 2.2 物流企业信用评级总体方案 | 第17-19页 |
| 2.2.1 方案思路 | 第17页 |
| 2.2.2 方案设计 | 第17-19页 |
| 2.3 相关技术综述 | 第19-22页 |
| 2.3.1 差分隐私 | 第19-20页 |
| 2.3.2 贝叶斯网络 | 第20-21页 |
| 2.3.3 人工蜂群算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 信用评级中的隐私保护关键技术研究 | 第23-35页 |
| 3.1 数据集成的隐私保护技术 | 第23-32页 |
| 3.1.1 数据集成的隐私保护方法 | 第23-25页 |
| 3.1.2 匿名 Join 操作 | 第25-29页 |
| 3.1.3 分布式噪声添加 | 第29-32页 |
| 3.2 安全性及性能分析与测试 | 第32-34页 |
| 3.2.1 安全性分析 | 第32-33页 |
| 3.2.2 性能分析及测试 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于贝叶斯网络的信用评级方法研究 | 第35-45页 |
| 4.1 贝叶斯网络算法改进 | 第35-40页 |
| 4.1.1 贝叶斯网络在蜂群算法中的定义 | 第35-36页 |
| 4.1.2 算法改进 | 第36-40页 |
| 4.2 实验验证 | 第40-44页 |
| 4.2.1 算法参数设置 | 第40-42页 |
| 4.2.2 与其他算法效率的比较 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 物流企业信用评级系统的设计与实现 | 第45-63页 |
| 5.1 物流企业信用评级系统架构设计 | 第45-49页 |
| 5.1.1 逻辑视图 | 第45-46页 |
| 5.1.2 部署视图 | 第46-47页 |
| 5.1.3 实现环境 | 第47-48页 |
| 5.1.4 执行流程 | 第48-49页 |
| 5.2 核心模块的设计与实现 | 第49-62页 |
| 5.2.1 贝叶斯网络构建模块 | 第49-52页 |
| 5.2.2 隐私数据集成执行模块 | 第52-56页 |
| 5.2.3 隐私数据集成客户端 | 第56-58页 |
| 5.2.4 信用评级计算模块 | 第58-61页 |
| 5.2.5 隐私计划管理模块 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 物流企业信用评级系统的验证及应用 | 第63-73页 |
| 6.1 系统测试 | 第63-65页 |
| 6.1.1 功能测试 | 第63-64页 |
| 6.1.2 性能测试 | 第64-65页 |
| 6.2 系统应用 | 第65-72页 |
| 6.2.1 应用概述 | 第65-67页 |
| 6.2.2 运行实例 | 第67-71页 |
| 6.2.3 应用效果及分析 | 第71-72页 |
| 6.3 本章小结 | 第72-73页 |
| 第七章 总结与展望 | 第73-75页 |
| 7.1 工作总结 | 第73页 |
| 7.2 下一步工作 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间已发表的学术论文 | 第80-82页 |
