| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-14页 |
| ·课题背景 | 第9-12页 |
| ·数据挖掘技术的产生和发展 | 第9-10页 |
| ·数据挖掘技术的应用 | 第10页 |
| ·神经网络技术的产生和发展 | 第10-11页 |
| ·基于神经网络的数据挖掘方法研究现状及问题 | 第11-12页 |
| ·论文主要内容和结构 | 第12-14页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本文主要研究内本文组织结构 | 第13-14页 |
| 第2章 数据挖掘与神经网络技术基础 | 第14-25页 |
| ·数据挖掘技术基础理论 | 第14-18页 |
| ·定义和类型 | 第14-15页 |
| ·工作流程和系统组成 | 第15-17页 |
| ·分类挖掘技术 | 第17-18页 |
| ·神经网络技术基础理论 | 第18-24页 |
| ·神经元节点模型 | 第18-19页 |
| ·神经网络的拓扑结构 | 第19-20页 |
| ·神经网络的学习方式 | 第20-22页 |
| ·神经网络学习算法 | 第22-23页 |
| ·典型神经网络模型 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 BP 神经网络的分类器模型 | 第25-41页 |
| ·BP 神经网络分类器建模流程 | 第25页 |
| ·BP 神经网络基本原理 | 第25-26页 |
| ·BP 神经网络的训练过程 | 第26-28页 |
| ·BP 神经网络的优缺点 | 第28-29页 |
| ·BP 神经网络分类器的优化方法研究 | 第29-40页 |
| ·GA 优化 BP 神经网络模型 | 第30-33页 |
| ·PSO 优化 BP 神经网络模型 | 第33-35页 |
| ·Adaboost_BP 神经网络模型 | 第35-38页 |
| ·改进的 Adaboost_BP 神经网络模型 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于 BP 分类器的财务危机预警模型 | 第41-53页 |
| ·财务危机预警的提出和背景 | 第41页 |
| ·财务危机预警指标的选择和预测评价 | 第41-44页 |
| ·财务危机预警模型挖掘数据的准备 | 第44-45页 |
| ·基于 BP 分类器的财务预警模型的应用 | 第45-52页 |
| ·数据样本的预处理 | 第45-46页 |
| ·单一 BP 分类器的实现和测试 | 第46-49页 |
| ·Adaboost_BP 分类器实现和测试 | 第49-50页 |
| ·改进的 Adaboost _BP 分类器实现和测试 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 结论和展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58页 |