| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容概要及创新之处 | 第13-16页 |
| 第二章 基于SVM的我国上市公司违规预警研究 | 第16-28页 |
| 2.1 前言 | 第16-17页 |
| 2.2 数据来源与处理 | 第17-19页 |
| 2.2.1 数据来源 | 第17页 |
| 2.2.2 变量选择 | 第17-18页 |
| 2.2.3 数据描述 | 第18-19页 |
| 2.3 模型的建立 | 第19-21页 |
| 2.3.1 支持向量机方法 | 第19-20页 |
| 2.3.2 Fisher score特征选择算法 | 第20-21页 |
| 2.3.3 MRMR特征选择算法 | 第21页 |
| 2.4 实证结果与分析 | 第21-25页 |
| 2.5 小结 | 第25-28页 |
| 第三章 基于无监督子空间变换的跨行业预警研究 | 第28-36页 |
| 3.1 前言 | 第28页 |
| 3.2 研究方法和原理 | 第28-32页 |
| 3.2.1 迁移学习原理简介 | 第28-29页 |
| 3.2.2 子空间对齐算法原理 | 第29-31页 |
| 3.2.3 基于极大似然估计方法的本征维度算法原理 | 第31-32页 |
| 3.3 实证结果与分析 | 第32-34页 |
| 3.3.1 源域和目标域的数据样本介绍 | 第32-33页 |
| 3.3.2 迁移学习法跨行业实证 | 第33-34页 |
| 3.3.3 基于子空间变换的制造行业上市公司分类实证研究 | 第34页 |
| 3.4 小结 | 第34-36页 |
| 结论与展望 | 第36-38页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42-44页 |
| 附录 攻读硕士期间研究成果 | 第44页 |