| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 本课题研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 信用风险评估研究现状分析 | 第13页 |
| 1.2.2 选择性集成研究现状分析 | 第13-14页 |
| 1.2.3 关于多个基分类器的生成方法 | 第14-15页 |
| 1.2.4 关于多个基分类器的组合方法 | 第15-16页 |
| 1.2.5 现有的集成剪枝方法 | 第16-17页 |
| 1.3 本文的主要工作及创新点 | 第17-18页 |
| 1.4 本文各章内容安排 | 第18-20页 |
| 第二章 极限学习机和贪婪选择性集成算法介绍 | 第20-27页 |
| 2.1 极限学习机（ELM） | 第20-22页 |
| 2.2 贪婪选择性集成算法 | 第22-27页 |
| 2.2.1 搜索方向 | 第23页 |
| 2.2.2 剪枝数据集 | 第23-24页 |
| 2.2.3 度量标准 | 第24-26页 |
| 2.2.4 剪枝率 | 第26-27页 |
| 第三章 基于GRASP的ELMs选择性集成算法 | 第27-44页 |
| 3.1 引言 | 第27页 |
| 3.2 基于GRASP的选择性集成算法 | 第27-30页 |
| 3.2.1 GraspEnS算法的贪婪随机构造阶段 | 第28-29页 |
| 3.2.2 GraspEnS算法的局部搜索阶段 | 第29-30页 |
| 3.3 ELMsGrasp EnS算法及其在信用风险评估中的应用 | 第30-33页 |
| 3.4 实验 | 第33-42页 |
| 3.4.1 实验数据集 | 第33页 |
| 3.4.2 实验设置 | 第33-34页 |
| 3.4.3 实验结果及讨论 | 第34-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 融合GRASP和Path-Relinking的选择性集成算法 | 第44-62页 |
| 4.1 引言 | 第44页 |
| 4.2 Path-Relinking算法 | 第44-47页 |
| 4.3 融合GRASP和Path-Relinking的算法 | 第47-48页 |
| 4.4 PRelinkGraspEnS算法 | 第48-51页 |
| 4.5 实验与分析 | 第51-61页 |
| 4.5.1 实验性能准则 | 第51-52页 |
| 4.5.2 实验设置 | 第52-53页 |
| 4.5.3 实验结果与分析 | 第53-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文工作总结 | 第62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 硕士研究生期间完成的学术论文 | 第70页 |
