| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·论文研究背景及意义 | 第7页 |
| ·个人信用评估的国内外研究现状 | 第7-9页 |
| ·本文主要工作和组织结构 | 第9-11页 |
| ·本文的主要工作 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 第二章 贝叶斯分类器学习 | 第11-17页 |
| ·贝叶斯分类原理 | 第11-12页 |
| ·两种典型的贝叶斯分类器介绍 | 第12-15页 |
| ·朴素贝叶斯分类器 | 第12-14页 |
| ·树扩展朴素贝叶斯分类器 | 第14-15页 |
| ·贝叶斯分类器性能评估指标 | 第15-17页 |
| 第三章 基于 PCA 的两种贝叶斯分类算法 | 第17-29页 |
| ·主成分分析 | 第17-19页 |
| ·主成分分析的数学模型 | 第17-18页 |
| ·基于个人信用评估的主成分分析步骤 | 第18-19页 |
| ·基于 PCA 和属性加权朴素贝叶斯的分类算法 | 第19-21页 |
| ·属性变量与类变量的相关系数 | 第20页 |
| ·互信息计算 | 第20-21页 |
| ·改进的属性加权朴素贝叶斯分类算法 | 第21页 |
| ·基于 PCA 和改进树扩展朴素贝叶斯的分类算法 | 第21-26页 |
| ·新节点输入次序的构造 | 第22页 |
| ·评分函数 | 第22-23页 |
| ·基于信息理论的最小描述长度 MDL 度量 | 第23-24页 |
| ·爬山算法 | 第24页 |
| ·改进的树扩展朴素贝叶斯分类算法 | 第24-26页 |
| ·基于 PCA 和改进贝叶斯分类器的个人信用评估模型构建 | 第26-29页 |
| 第四章 基于两种改进贝叶斯分类器的个人信用评估仿真 | 第29-41页 |
| ·个人信用评估指标的选取 | 第29-32页 |
| ·信用数据来源和处理 | 第32-35页 |
| ·数据来源 | 第32-33页 |
| ·信用数据预处理 | 第33-34页 |
| ·信用数据标准化 | 第34-35页 |
| ·信用数据的主成分提取 | 第35-36页 |
| ·KMO and Bartlett's | 第35页 |
| ·方差贡献率分析 | 第35-36页 |
| ·信用评估分类结果比较 | 第36-38页 |
| ·采用 PCA 前后的模型性能比较 | 第38-41页 |
| 第五章 总结与展望 | 第41-43页 |
| ·工作总结 | 第41页 |
| ·研究展望 | 第41-43页 |
| 致谢 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 硕士期间论文发表情况及科研成果 | 第49-50页 |