| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·选题目的和依据 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国外相关研究现状 | 第11-14页 |
| ·国内相关研究现状 | 第14-15页 |
| ·本文的框架思路和研究方法 | 第15-18页 |
| ·本文的创新 | 第18-19页 |
| 2 现有会计舞弊甄别技术评析 | 第19-44页 |
| ·信号检测理论(SDT) | 第19-28页 |
| ·SDT概念与结构 | 第19-21页 |
| ·SDT在甄别会计舞弊问题中的应用 | 第21-28页 |
| ·SDT在会计舞弊问题中应用的不足 | 第28页 |
| ·神经网络技术(NN) | 第28-37页 |
| ·神经网络 | 第29-31页 |
| ·神经网络在识别会计舞弊中的应用 | 第31-36页 |
| ·神经网络在识别会计舞弊应用中的不足 | 第36-37页 |
| ·实证分析方法 | 第37-42页 |
| ·研究假设及变量选择 | 第37-40页 |
| ·Logit模型的应用 | 第40页 |
| ·已有实证研究结果分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 3 会计舞弊甄别技术创新——混合智能系统研究 | 第44-58页 |
| ·模糊逻辑系统相关技术及特点 | 第44-48页 |
| ·相关概念及组成 | 第44-45页 |
| ·特点及分类 | 第45-48页 |
| ·人工神经网络及其应用 | 第48-51页 |
| ·基本结构 | 第48-49页 |
| ·学习规则 | 第49-50页 |
| ·工作方式 | 第50-51页 |
| ·混合智能系统研究 | 第51-58页 |
| ·模糊逻辑系统与神经网络的结合 | 第51-54页 |
| ·模糊神经网络分类 | 第54-55页 |
| ·模糊神经网络的学习方法 | 第55-58页 |
| 4 会计舞弊甄别技术有效性检验——混合模型的构建及应用分析 | 第58-66页 |
| ·样本的选取及数据处理 | 第58-59页 |
| ·变量的选择 | 第58-59页 |
| ·样本和数据 | 第59页 |
| ·混合模型的构建 | 第59-64页 |
| ·基于模糊聚类的模糊模型 | 第60-62页 |
| ·基于ANFIS的模糊模型改进 | 第62-64页 |
| ·混合模型预测结果及分析 | 第64-66页 |
| ·混合模型预测结果 | 第64页 |
| ·预测结果的分析及总结 | 第64-66页 |
| 5 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-76页 |
| 附录A 非舞弊公司样本 | 第72-74页 |
| 附录B 舞弊公司样本 | 第74-76页 |
| 在学期间研究成果 | 第76-77页 |
| 致谢 | 第77页 |