基于SVM的银行信贷风险评估模型研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·银行信贷风险 | 第8-9页 |
| ·数据挖掘 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·银行信贷风险评估模型综述 | 第10-13页 |
| ·支持向量机算法综述 | 第13-15页 |
| ·支持向量机应用综述 | 第15-16页 |
| ·研究内容及论文结构 | 第16-18页 |
| 第二章 支持向量机 | 第18-30页 |
| ·支持向量机理论 | 第18-26页 |
| ·统计学习理论 | 第18-23页 |
| ·优化理论 | 第23-25页 |
| ·核函数 | 第25-26页 |
| ·支持向量机算法 | 第26-29页 |
| ·支持向量机分类算法 | 第26-27页 |
| ·支持向量机回归算法 | 第27-28页 |
| ·支持向量机多分类算法 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于SVM 的多分类器构造算法 | 第30-38页 |
| ·三值分类器 | 第30-35页 |
| ·将二值分类器扩展成三值分类器 | 第30-32页 |
| ·引入回归机作为三值分类器 | 第32-35页 |
| ·组合三值分类器 | 第35页 |
| ·算法描述 | 第35-36页 |
| ·算法评价 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于SVM 的银行信贷风险评估模型 | 第38-49页 |
| ·样本选择 | 第39-40页 |
| ·模型技术应用 | 第40-44页 |
| ·SVR | 第40-41页 |
| ·Logistic 回归 | 第41-42页 |
| ·BP 神经网络 | 第42-44页 |
| ·实验结果 | 第44-48页 |
| ·模型技术对比分析 | 第44-46页 |
| ·算法对比分析 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 研究生在读期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 个人简介 | 第57-58页 |
