基于神经网络的信用卡帐户分类研究和实现
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-14页 |
| ·课题研究的背景 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·研究意义 | 第12页 |
| ·论文结构 | 第12-14页 |
| 2 相关技术背景 | 第14-29页 |
| ·分类的对象为什么是信用卡帐户 | 第14页 |
| ·信用卡的概念 | 第14-15页 |
| ·信用卡帐户分类的概念和目标 | 第15页 |
| ·我国信用卡市场现状 | 第15页 |
| ·国内银行信用卡信贷风险控制的现状 | 第15-17页 |
| ·信用卡帐户分类的必要性和意义 | 第17页 |
| ·神经网络发展历史和现状 | 第17-18页 |
| ·神经网络基本原理 | 第18-21页 |
| ·人工神经网络的类型 | 第18-19页 |
| ·常用的几种神经网络模型 | 第19-21页 |
| ·反向传播(BP)神经网络算法 | 第21-25页 |
| ·BP 神经网络学习方法 | 第22-23页 |
| ·BP 神经网络中的误差计算模型 | 第23-24页 |
| ·BP 神经网络的算法流程 | 第24-25页 |
| ·模糊逻辑理论 | 第25-28页 |
| ·模糊逻辑处理过程 | 第25-27页 |
| ·模糊逻辑隶属函数 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 信用卡帐户分类的神经网络模型设计 | 第29-49页 |
| ·信用卡帐户分类的数据准备 | 第29-36页 |
| ·实验数据样本采样 | 第29页 |
| ·数据清洗 | 第29页 |
| ·数据选取 | 第29页 |
| ·数据预处理 | 第29-30页 |
| ·数据变换 | 第30-32页 |
| ·语意性输入变量数据模糊逻辑化 | 第32-36页 |
| ·预处理后的输入数据 | 第36-39页 |
| ·反向传播（BP）网络结构的设计 | 第39-42页 |
| ·网络结构设计采用的方法 | 第39页 |
| ·确定输入节点数 | 第39页 |
| ·确定输出节点数 | 第39-40页 |
| ·确定隐层层数和节点数 | 第40页 |
| ·激励函数的选择 | 第40-42页 |
| ·信用卡帐户分类系统神经网络模型拓扑 | 第42-43页 |
| ·信用卡帐户分类系统神经网络模型算法设计 | 第43-46页 |
| ·神经网络初始学习速率 | 第43-44页 |
| ·神经网络初始权重 | 第44页 |
| ·神经网络最大迭代次数和误差方根 | 第44页 |
| ·算法步骤 | 第44-46页 |
| ·训练样本数据实验结果 | 第46页 |
| ·信用卡帐户分类系统BP 神经网络参数确定 | 第46-47页 |
| ·信用卡帐户分类系统的评估 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 4 信用卡帐户分类的实现 | 第49-63页 |
| ·系统总体架构 | 第49页 |
| ·需求分析 | 第49-50页 |
| ·系统静态结构和软件架构 | 第50-51页 |
| ·信用卡帐户分类的功能模块设计 | 第51-52页 |
| ·系统开发环境 | 第52-53页 |
| ·VC++与 Matlab 接口实现 | 第53-54页 |
| ·VC++与数据源接口实现 | 第54页 |
| ·系统逻辑图 | 第54-55页 |
| ·类的设计与实现 | 第55页 |
| ·数据库表设计和实现 | 第55-58页 |
| ·主要功能模块流程图 | 第58-60页 |
| ·功能模块的实现 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 5 总结和展望 | 第63-65页 |
| ·信用卡帐户分类系统的商业应用 | 第63页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
