基于支持向量机的互联网金融个人信用评估方法研究

摘要	第5-7页
ABSTRACT	第7-8页
第一章 绪论	第11-24页
第一节 研究背景	第11-14页
第二节 研究意义	第14-15页
第三节 文献综述	第15-21页
第四节 研究内容、方法和结构	第21-23页
第五节 本文创新点	第23-24页
第二章 相关理论	第24-34页
第一节 相关概念及信用评估模型	第24-25页
第二节 线性可分支持向量机	第25-28页
第三节 近似线性可分支持向量机	第28-29页
第四节 非线性支持向量机和核函数	第29-32页
第五节 本章小结	第32-34页
第三章 面向互联网金融的SVM集成信用评价模型	第34-43页
第一节RSBC-SVM算法	第34-36页
第二节 数据分割	第36-37页
第三节 训练模型	第37-39页
第四节 模型选择及合成模型	第39-41页
第五节 本章小结	第41-43页
第四章 基于互联网金融信用数据的案例研究	第43-54页
第一节 实验数据	第43-45页
第二节 缺失值的处理	第45-47页
第三节 异常值的检测	第47-49页
第四节 数据变换	第49页
第五节 评价指标	第49-51页
第六节 数值实验	第51-53页
第七节 本章小结	第53-54页
第五章 结论与展望	第54-56页
第一节 论文的主要结论	第54-55页
第二节 不足与展望	第55-56页
参考文献	第56-62页
附录	第62-63页
致谢	第63-64页