| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 支持向量机发展回顾及研究现状 | 第13-15页 |
| 1.2.2 信用风险评估研究现状 | 第15页 |
| 1.2.3 现有文献综述 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 研究思路与框架 | 第16-18页 |
| 第二章 基于双参照点灰色关联度的模糊SVM分类模型研究 | 第18-28页 |
| 2.1 引言 | 第18-19页 |
| 2.2 问题的提出 | 第19-21页 |
| 2.2.1 模糊支持向量机 | 第19-20页 |
| 2.2.2 现有隶属度函数设计缺陷 | 第20-21页 |
| 2.3 基于双参照点灰色关联度的模糊支持向量机改进方法 | 第21-25页 |
| 2.3.1 灰色关联度 | 第22-23页 |
| 2.3.2 样本平均关联度的确定 | 第23-24页 |
| 2.3.3 基于双参照点样本隶属度的确定 | 第24-25页 |
| 2.4 实验仿真 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于改进SMOTE的非均衡数据SVM分类模型研究 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 问题的提出 | 第28-33页 |
| 3.2.1 SMOTE算法 | 第28-29页 |
| 3.2.2 现有SMOTE算法的不足 | 第29-33页 |
| 3.3 基于改进SMOTE的非均衡SVM分类算法 | 第33-37页 |
| 3.3.1 Random-SMOTE | 第33-34页 |
| 3.3.2 改进SMOTE的支持向量机算法 | 第34-37页 |
| 3.4 实验仿真 | 第37-42页 |
| 3.4.1 精确度测量 | 第37-38页 |
| 3.4.2 对比的方法 | 第38页 |
| 3.4.3 实验与结果 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于灰色关联度与改进SMOTE的SVM分类模型研究 | 第44-54页 |
| 4.1 问题的提出 | 第44-45页 |
| 4.2 基于灰色关联度与改进SMOTE的SVM分类算法 | 第45-48页 |
| 4.2.1 噪声的处理 | 第45-46页 |
| 4.2.2 含噪声的非均衡数据分类算法 | 第46-48页 |
| 4.3 实验仿真 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 小额贷款公司客户信用风险非均衡SVM分类实证研究 | 第54-61页 |
| 5.1 引言 | 第54-55页 |
| 5.2 数据来源 | 第55页 |
| 5.3 信用风险评估指标构建 | 第55-59页 |
| 5.4 结果与分析 | 第59页 |
| 5.5 本章小结 | 第59-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
