基于神经网络与证据理论的商业银行信用风险评估
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·课题背景及研究的目的和意义 | 第8页 |
| ·信用风险的特点与评估模型 | 第8-17页 |
| ·信用风险的特点 | 第8-10页 |
| ·信用风险度量模型与管理研究进展 | 第10-17页 |
| ·本论文研究的主要内容 | 第17-18页 |
| 第2章 预备知识 | 第18-25页 |
| ·引言 | 第18页 |
| ·粗糙集理论 | 第18-20页 |
| ·粗糙集的基本概念 | 第18-19页 |
| ·知识的约简 | 第19页 |
| ·知识的依赖性及其度量 | 第19页 |
| ·知识的重要程度 | 第19-20页 |
| ·神经网络相关理论 | 第20-21页 |
| ·神经元构成 | 第20页 |
| ·神经元激励函数 | 第20-21页 |
| ·BP神经网络及其学习算法 | 第21-22页 |
| ·RBF神经网络及其学习算法 | 第22-23页 |
| ·SVM神经网络及其学习算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于神经网络D-S证据理论的评估方法 | 第25-34页 |
| ·引言 | 第25页 |
| ·D-S证据理论概述 | 第25-32页 |
| ·D-S证据理论的基本概念 | 第25-26页 |
| ·改进的D-S证据理论 | 第26-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 基于神经网络与证据理论的风险评估方法应用 | 第34-46页 |
| ·引言 | 第34页 |
| ·数据预处理 | 第34-40页 |
| ·属性约简过程 | 第40-41页 |
| ·神经网络训练过程 | 第41-42页 |
| ·D-S融合过程 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录 | 第51-55页 |
| 致谢 | 第55页 |
