基于分类器选择的个人信用评估组合模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 个人信用评估单一模型研究现状 | 第11-14页 |
| 1.2.2 个人信用评估组合模型研究现状 | 第14-16页 |
| 1.2.3 国内外研究现状评述 | 第16-17页 |
| 1.3 论文研究主要内容 | 第17-20页 |
| 第2章 分类器选择标准和融合方法 | 第20-29页 |
| 2.1 分类器选择标准 | 第20-26页 |
| 2.1.1 分类精度选择标准 | 第21页 |
| 2.1.2 差异性选择标准 | 第21-25页 |
| 2.1.3 两种新型的分类器选择标准 | 第25-26页 |
| 2.2 分类器融合方法 | 第26-28页 |
| 2.2.1 输出为决策层的多分类器融合 | 第27-28页 |
| 2.2.2 输出为排序层和度量层的多分类器融合 | 第28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于分类器选择的个人信用评估组合模型构建 | 第29-42页 |
| 3.1 基分类器池的建立 | 第29-34页 |
| 3.2 分类器选择标准的建立 | 第34-37页 |
| 3.2.1 以组合模型的分类精度为选择标准 | 第34-35页 |
| 3.2.2 分类精度与差异性结合的选择标准 | 第35页 |
| 3.2.3 最小误判损失的选择标准 | 第35-37页 |
| 3.3 最优基分类器子集的搜索算法 | 第37-39页 |
| 3.3.1 穷举法 | 第37页 |
| 3.3.2 贪婪算法 | 第37-38页 |
| 3.3.3 基于群体的增量学习算法 | 第38-39页 |
| 3.4 分类器融合方法的选取 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 个人信用评估组合模型的应用 | 第42-52页 |
| 4.1 样本数据及指标选择 | 第42-45页 |
| 4.1.1 样本数据的选取 | 第42页 |
| 4.1.2 指标选择 | 第42-44页 |
| 4.1.3 数据预处理 | 第44-45页 |
| 4.1.4 训练样本和测试样本的选取 | 第45页 |
| 4.2 个人信用评估组合模型的应用结果分析 | 第45-50页 |
| 4.2.1 不同分类器选择标准的分析比较 | 第46-49页 |
| 4.2.2 不同搜索算法的分析比较 | 第49页 |
| 4.2.3 不同组合方法的分析比较 | 第49-50页 |
| 4.3 本章小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录一：样本数据归一化MATLAB程序 | 第60-61页 |
| 附录二：PBIL搜索算法MATLAB程序 | 第61-63页 |
| 附录三：简单投票法MATLAB程序 | 第63-64页 |
| 附录四：行为知识空间法MATLAB程序 | 第64-66页 |
| 致谢 | 第66页 |
