| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-13页 |
| ·研究方法与研究内容 | 第13-14页 |
| ·研究方法 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 信用评级相关理论和方法 | 第16-31页 |
| ·信用风险分析 | 第16-17页 |
| ·信用风险与风险管理 | 第16页 |
| ·客户信用评级 | 第16-17页 |
| ·支持向量机 | 第17-24页 |
| ·统计学习理论 | 第17-20页 |
| ·线性可分支持向量机 | 第20-23页 |
| ·线性不可分支持向量机 | 第23-24页 |
| ·粒子群算法 | 第24-27页 |
| ·粒子群算法原理 | 第24-26页 |
| ·粒子群算法流程 | 第26-27页 |
| ·常用信用评级模型 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于单核SVM和基本PSO算法的信用评级模型 | 第31-42页 |
| ·问题描述 | 第31-32页 |
| ·SVM-PSO模型设计 | 第32-36页 |
| ·RBF核SVM参数分析 | 第32-33页 |
| ·数据样本特征选择 | 第33页 |
| ·基于PSO算法的参数优化和特征选择 | 第33-35页 |
| ·适应度函数定义 | 第35-36页 |
| ·实验设计 | 第36-41页 |
| ·实验的环境及方法 | 第36-37页 |
| ·数据准备和预处理 | 第37-38页 |
| ·实验结果分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于混合核SVM和混沌PSO的信用评级模型 | 第42-63页 |
| ·问题描述 | 第42页 |
| ·MKSVM-CPSO模型设计 | 第42-52页 |
| ·设计混合核函数 | 第42-45页 |
| ·混沌粒子群算法 | 第45-52页 |
| ·实验结果比较与分析 | 第52-59页 |
| ·实验流程说明 | 第52-54页 |
| ·基于不同混合核函数的模型分类结果 | 第54-57页 |
| ·实验结果综合比较与分析 | 第57-59页 |
| ·实验结果验证 | 第59-62页 |
| ·符号检验 | 第60-61页 |
| ·Wilcoxon检验 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 攻读硕士期间发表论文 | 第69页 |
| 攻读硕士期间参与的项目 | 第69-70页 |
| 致谢 | 第70-71页 |