| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 一、绪论 | 第11-19页 |
| (一) 研究背景及意义 | 第11-15页 |
| 1. 研究背景 | 第11-12页 |
| 2. 研究意义 | 第12-15页 |
| (二) 研究的内容和论文的组织结构 | 第15-16页 |
| (三) 研究方法和技术路线 | 第16-19页 |
| 二、企业财务风险分类预测相关理论文献综述 | 第19-33页 |
| (一) 企业财务风险分类预测理论 | 第19-27页 |
| 1. 企业财务风险概念的界定 | 第19-22页 |
| 2. 国内外企业财务风险分类预测的研究现状 | 第22-27页 |
| (二) 非均衡数据分类问题相关理论的研究现状 | 第27-29页 |
| (三) 案例推理理论及其复用技术研究现状 | 第29-33页 |
| 1. 基于案例推理技术的研究现状 | 第29-31页 |
| 2. 基于案例复用技术的研究现状 | 第31-33页 |
| 三、企业财务风险智能预测指标体系的构建和研究样本非均衡数据处理 | 第33-56页 |
| (一) 中国旅游与酒店业研究对象介绍 | 第34-35页 |
| (二) 研究数据样本的选择 | 第35-40页 |
| 1. 企业财务困境样本公司的选择标准 | 第36-38页 |
| 2. 企业财务正常样本公司的选择标准 | 第38页 |
| 3. 企业财务风险智能预测研究实验样本筛选结果 | 第38-40页 |
| (三) 企业财务风险智能预测指标体系的构建 | 第40-48页 |
| 1. 企业财务风险智能预测指标体系的筛选原则 | 第40-43页 |
| 2. 企业备选财务指标的检验与分析 | 第43-48页 |
| (四) NT-SMOTE非均衡处理 | 第48-56页 |
| 1. NT-SMOTE非均衡处理方法简介 | 第48-50页 |
| 2. NT-SMOTE非均衡处理方法应用 | 第50-56页 |
| 四、基于传统企业财务风险分类预测方法的智能预测模型实证研究 | 第56-69页 |
| (一) MDA分类预测方法 | 第56页 |
| (二) Logit分类预测方法 | 第56-57页 |
| (三) Probit分类预测方法 | 第57-58页 |
| (四) DT分类预测方法 | 第58-59页 |
| (五) SVM分类预测方法 | 第59-62页 |
| (六) MCF分类预测方法 | 第62页 |
| (七) 实验结果评价体系 | 第62-64页 |
| (八) 实验设计 | 第64-66页 |
| (九) 实验结果与分析 | 第66-69页 |
| 五、基于Bagging集成算法的企业财务风险智能预测模型实证研究 | 第69-75页 |
| (一) Bagging技术 | 第69-70页 |
| 1. Bagging集成算法简介 | 第69-70页 |
| 2. Bagging集成算法的基本原理 | 第70页 |
| (二) 实验设计 | 第70-71页 |
| (三) 实验结果与分析 | 第71-75页 |
| 六、基于HDM-CBR的企业财务风险智能预测模型实证研究 | 第75-88页 |
| (一) 异类数据挖掘技术 | 第75-76页 |
| (二) 基于异类数据挖掘案例推理的企业财务风险智能预测模型 | 第76-79页 |
| (三) 实验设计 | 第79-81页 |
| (四) 实验结果与分析 | 第81-88页 |
| 1. 基于HDM-CBR~1的企业财务风险智能预测模型的实验结果 | 第81-84页 |
| 2. 基于HDM-CBR~2的企业财务风险智能预测模型的实验结果 | 第84-88页 |
| 七、基于CBR-R的企业财务风险智能预测模型实证研究 | 第88-102页 |
| (一) 基于案例复用的案例推理方法 | 第88-89页 |
| (二) 基于案例复用的案例推理方法的企业财务风险智能预测模型 | 第89-90页 |
| (三) 实验设计 | 第90-94页 |
| (四) 实验结果与分析 | 第94-102页 |
| 1. 基于CBR-R~1的企业财务风险智能预测模型的实验结果 | 第94-97页 |
| 2. 基于CBR-R~2的企业财务风险智能预测模型的实验结果 | 第97-102页 |
| 八、研究结果分析与展望 | 第102-106页 |
| (一) 研究结果与分析 | 第102-104页 |
| (二) 管理启示与展望 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 攻读学位期间取得的研究成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 浙江师范大学学位论文诚信承诺书 | 第117-118页 |
