| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·选题背景与研究意义 | 第10-12页 |
| ·本文研究内容及特色 | 第12-13页 |
| ·本文结构安排 | 第13-14页 |
| 第二章 商业银行信用风险评估研究概述 | 第14-25页 |
| ·商业银行信用风险 | 第14-15页 |
| ·信用风险的定义 | 第14页 |
| ·信用风险评估的理论基础 | 第14-15页 |
| ·商业银行信用风险评估指标 | 第15-18页 |
| ·信用评估的要素 | 第15-16页 |
| ·信用风险评估指标体系建立的原则 | 第16-17页 |
| ·本文所建立的商业银行信用风险评估指标体系 | 第17-18页 |
| ·信用风险评估方法 | 第18-21页 |
| ·传统的信用评级方法 | 第18-19页 |
| ·统计模型方法 | 第19页 |
| ·人工智能方法 | 第19-21页 |
| ·神经网络模型在商业银行信用风险评估中的研究 | 第21-24页 |
| ·神经网络在信用风险评估领域的适用性 | 第21-22页 |
| ·国外研究现状 | 第22-23页 |
| ·国内研究现状 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 BP神经网络与粒子群优化算法理论研究 | 第25-44页 |
| ·BP神经网络 | 第25-29页 |
| ·人工神经网络的特点和基本原理 | 第25-26页 |
| ·BP神经网络与BP学习算法 | 第26-28页 |
| ·BP神经网络的不足与改进 | 第28-29页 |
| ·粒子群优化算法 | 第29-34页 |
| ·粒子群优化算法介绍 | 第29-30页 |
| ·原始粒子群算法基本原理 | 第30-31页 |
| ·粒子群优化算法流程 | 第31-33页 |
| ·粒子群优化算法特点 | 第33-34页 |
| ·粒子群优化算法的改进 | 第34-43页 |
| ·粒子群优化算法的发展 | 第34-37页 |
| ·本文提出的改进粒子群优化算法 | 第37-38页 |
| ·改进PSO算法实现 | 第38-39页 |
| ·改进PSO算法仿真实验与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 改进PSO-BP网络在商业银行信用风险评估中的应用及仿真实验 | 第44-58页 |
| ·改进PSO优化的BP神经网络模型 | 第44-47页 |
| ·粒子群结点定义 | 第44页 |
| ·改进PSO粒子变异实现 | 第44-46页 |
| ·基于改进PSO的BP网络训练算法流程 | 第46-47页 |
| ·模型验证 | 第47-57页 |
| ·实验环境 | 第47-49页 |
| ·实验数据选取及处理 | 第49-52页 |
| ·实验仿真与分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| ·本文的主要工作与结论 | 第58-59页 |
| ·进一步的研究工作与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士期间所发表的论文 | 第63-64页 |
| 致谢 | 第64页 |