| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 支持向量机发展回顾及研究现状 | 第14-17页 |
| 1.2.2 信用风险评估研究现状 | 第17页 |
| 1.2.3 现有文献综述 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 研究思路与框架 | 第19-21页 |
| 第二章 基于超立方体顶点采样的区间数SVM分类模型研究 | 第21-32页 |
| 2.1 问题的提出 | 第21-22页 |
| 2.1.1 支持向量机与区间数分类研究基础 | 第21-22页 |
| 2.1.2 SVM对区间数分类能力的缺失 | 第22页 |
| 2.2 主要模型及方法 | 第22-29页 |
| 2.2.1 超立方体的区间数分类样本表征 | 第22-26页 |
| 2.2.2 基于生成二叉树的超立方体顶点采样法 | 第26-27页 |
| 2.2.3 基于超立方体顶点采样的SVM分类算法 | 第27-29页 |
| 2.3 实验仿真 | 第29-31页 |
| 2.3.1 数据来源 | 第29页 |
| 2.3.2 结果及分析 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于区间化改进的非均衡SMOTE-SVM模型研究 | 第32-45页 |
| 3.1 问题的提出 | 第32-35页 |
| 3.1.1 非均衡问题研究基础 | 第32-33页 |
| 3.1.2 传统SMOTE简介 | 第33-35页 |
| 3.2 主要模型及方法 | 第35-41页 |
| 3.2.1 基于关键指标区间化的改进SMOTE方法 | 第36-39页 |
| 3.2.2 区间化SMOTE改进SVM分类模型 | 第39-41页 |
| 3.3 实验仿真 | 第41-43页 |
| 3.3.1 精确度测量标准 | 第41页 |
| 3.3.2 数据来源 | 第41-42页 |
| 3.3.3 结果及分析 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 基于改进SMOTE-SVM的自适应模型研究 | 第45-53页 |
| 4.1 问题的提出 | 第45-46页 |
| 4.2 主要模型及方法 | 第46-50页 |
| 4.2.1 基于信息增益的关键指标筛选方法 | 第46-48页 |
| 4.2.2 区间化力度优化算法与实现 | 第48-50页 |
| 4.3 实验仿真 | 第50-52页 |
| 4.3.1 数据来源 | 第50页 |
| 4.3.2 结果及分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于自适应改进SMOTE-SVM的小额贷款公司客户信用评估研究 | 第53-66页 |
| 5.1 问题的提出 | 第53-54页 |
| 5.2 小额贷款公司信用风险特征及测评指标体系 | 第54-56页 |
| 5.2.1 小额贷款公司信用风险评估特征 | 第54页 |
| 5.2.2 小额贷款公司客户信用评估指标体系 | 第54-56页 |
| 5.3 案例分析 | 第56-62页 |
| 5.3.1 数据来源 | 第56-57页 |
| 5.3.2 结果及分析 | 第57-58页 |
| 5.3.3 用户画像 | 第58-62页 |
| 5.4 本章小结 | 第62-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
