| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1. 引言 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 数据挖掘 | 第8页 |
| 1.1.2 组合分类 | 第8-9页 |
| 1.2 文献综述 | 第9-11页 |
| 1.2.1 国外有关组合方法模型的文献综述 | 第9-10页 |
| 1.2.2 国内有关组合方法模型的文献综述 | 第10-11页 |
| 1.2.3 文献评述 | 第11页 |
| 1.3 研究方法和论文结构 | 第11-12页 |
| 1.4 论文创新 | 第12-13页 |
| 2. 各种基分类器的分类原理及其组合方法 | 第13-28页 |
| 2.1 决策树分类器 | 第13-16页 |
| 2.2 、支持向量机分类 | 第16-19页 |
| 2.3 最近邻分类 | 第19-21页 |
| 2.4 组合方法 | 第21-28页 |
| 2.4.1 同类基分类器组合方法 | 第21-26页 |
| 2.4.2 不同种类基分类器组合方法 | 第26-28页 |
| 3. 公司财务预警的实证分析 | 第28-38页 |
| 3.1 数据来源 | 第28页 |
| 3.2 逐步判别法 | 第28-30页 |
| 3.3 多重共线性分析 | 第30-32页 |
| 3.4 基分类器分类 | 第32-35页 |
| 3.4.1 决策树分类 | 第32-34页 |
| 3.4.2 支持向量机分类 | 第34页 |
| 3.4.3 最近邻分类 | 第34-35页 |
| 3.5 组合分类法 | 第35-37页 |
| 3.5.1 基于决策树的adaboost组合分类 | 第35-36页 |
| 3.5.2 基于支持向量机的adaboost组合分类 | 第36页 |
| 3.5.3 基于最近邻方法的Adaboost组合分类 | 第36-37页 |
| 3.6 多种分类器组合方法 | 第37-38页 |
| 4. 结论与展望 | 第38-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43-44页 |
| 附录 | 第44-49页 |