考虑特征变量异质性的分类方法及其在风险决策中的应用研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 目录 | 第12-14页 |
| 图序 | 第14-15页 |
| 表序 | 第15-16页 |
| 第1章 绪论 | 第16-28页 |
| ·本文的研究背景和意义 | 第17-20页 |
| ·本文的研究背景 | 第17-19页 |
| ·本文的研究意义 | 第19-20页 |
| ·研究现状 | 第20-24页 |
| ·分类方法在风险决策问题中的应用研究现状 | 第20-21页 |
| ·分类问题中特征变量异质性的研究现状 | 第21-24页 |
| ·本文的主要工作和创新 | 第24-25页 |
| ·本文的主要工作 | 第24-25页 |
| ·本文的主要创新 | 第25页 |
| ·本文的内容组织结构 | 第25-28页 |
| 第2章 特征变量异质性的概念和测度方法 | 第28-46页 |
| ·分类问题中的特征变量相关性和特征变量选择 | 第28-32页 |
| ·分类问题简介 | 第28-30页 |
| ·特征变量相关性和特征变量选择 | 第30-32页 |
| ·特征变量异质性的概念 | 第32页 |
| ·特征变量异质性测度 | 第32-38页 |
| ·荟萃分析简介 | 第33-35页 |
| ·特征变量异质性测度方法 | 第35-38页 |
| ·实验计算结果 | 第38-45页 |
| ·本章总结 | 第45-46页 |
| 第3章 特征变量异质性对分类的影响 | 第46-70页 |
| ·特征变量异质性的影响 | 第46-47页 |
| ·支持向量机与logistic回归集成预测方法 | 第47-63页 |
| ·支持向量机简介 | 第47-53页 |
| ·Logistic回归简介 | 第53-58页 |
| ·IBDR | 第58-61页 |
| ·基准数据集实验结果 | 第61-63页 |
| ·企业财务困境预测实证研究 | 第63-67页 |
| ·财务困境预测指标体系 | 第63-64页 |
| ·企业财务困境预测结果及分析 | 第64-67页 |
| ·本章小结 | 第67-70页 |
| 第4章 基于因子分析与聚类分析集成的分类策略 | 第70-90页 |
| ·因子分析简介 | 第71-73页 |
| ·聚类分析简介 | 第73-77页 |
| ·划分型聚类 | 第73-75页 |
| ·层次型聚类 | 第75页 |
| ·密度聚类 | 第75-76页 |
| ·其它聚类方法 | 第76-77页 |
| ·CAFAC | 第77-82页 |
| ·CAFAC的基本原理 | 第77-79页 |
| ·CAFAC的步骤 | 第79-82页 |
| ·实验计算结果 | 第82-88页 |
| ·CAFAC在36个混合数据集上的结果 | 第82-86页 |
| ·CAFAC与其它分类方法的比较结果 | 第86-88页 |
| ·本章小结 | 第88-90页 |
| 第5章 具有增量学习特性的分类方法 | 第90-104页 |
| ·问题背景 | 第90-91页 |
| ·本文提出的方法 | 第91-97页 |
| ·SCCFSH的基本思想 | 第92页 |
| ·基于网格的有指导聚类 | 第92-94页 |
| ·数据簇的有指导合并和去除异常点 | 第94-95页 |
| ·基于加权距离的分类 | 第95-97页 |
| ·实验计算结果 | 第97-101页 |
| ·基准数据集计算结果 | 第97-100页 |
| ·消费者确定问题中的应用 | 第100-101页 |
| ·本章小结 | 第101-104页 |
| 第6章 总结与展望 | 第104-106页 |
| ·全文总结 | 第104-105页 |
| ·未来可能的研究展望 | 第105-106页 |
| 参考文献 | 第106-112页 |
| 致谢 | 第112-113页 |
| 在读期间发表的学术论文与取得的研究成果 | 第113页 |
