| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 选题背景及意义 | 第12-14页 |
| 1.1.1 选题背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 文献综述 | 第14-16页 |
| 1.2.1 信用评估领域的数据处理模型综述 | 第14-15页 |
| 1.2.2 农户信用体系的相关综述 | 第15-16页 |
| 1.3 研究方法及结构 | 第16-17页 |
| 1.3.1 研究方法 | 第16-17页 |
| 1.3.2 研究结构 | 第17页 |
| 1.4 小结 | 第17-18页 |
| 第2章 农户小额信用贷款风险评估的理论基础 | 第18-22页 |
| 2.1 信用体系的理论基础 | 第18-19页 |
| 2.1.1 信用体系的内涵 | 第18页 |
| 2.1.2 信用体系对于市场经济秩序的影响 | 第18-19页 |
| 2.2 个人信用评估技术理论基础 | 第19-21页 |
| 2.2.1 判别式分析法 | 第19-20页 |
| 2.2.2 Logistic 回归方法 | 第20页 |
| 2.2.3 决策树分类法 | 第20页 |
| 2.2.4 神经网络分析法 | 第20-21页 |
| 2.2.5 遗传算法 | 第21页 |
| 2.2.6 支持向量机方法 | 第21页 |
| 2.3 小结 | 第21-22页 |
| 第3章 BP 人工神经网络构建 | 第22-30页 |
| 3.1 人工神经网络 | 第22-24页 |
| 3.1.1 人工神经网络基础 | 第22-23页 |
| 3.1.2 人工神经网络的学习方法 | 第23-24页 |
| 3.1.3 人工神经网络的转移函数 | 第24页 |
| 3.1.4 人工神经网络的误差函数 | 第24页 |
| 3.1.5 人工神经网络的基本特点 | 第24页 |
| 3.2 BP 神经网络算法 | 第24-27页 |
| 3.3 BP 神经网络编程 | 第27-29页 |
| 3.4 小结 | 第29-30页 |
| 第4章 BP 神经网络模型在农户小信用贷款风险评估的应用 | 第30-42页 |
| 4.1 数据的采集与初始指标的确立 | 第30-34页 |
| 4.1.1 数据的采集 | 第30页 |
| 4.1.2 指标的选取 | 第30-32页 |
| 4.1.3 指标的赋值 | 第32-34页 |
| 4.3 神经网络模型结构的确定 | 第34-35页 |
| 4.3.1 网络层数的确定 | 第34页 |
| 4.3.2 输入层与输出层节点数的设计 | 第34-35页 |
| 4.3.3 隐层节点数的设计 | 第35页 |
| 4.4 训练样本和测试样本的抽取 | 第35页 |
| 4.5 BP 神经网络模型的运行结果 | 第35-41页 |
| 4.6 小结 | 第41-42页 |
| 第5章 农户小额信用贷款风险评估系统的相关建议 | 第42-44页 |
| 5.1 通过区域联网构建农户信用信息库 | 第42页 |
| 5.2 加强农户信用评估体系的建设 | 第42-43页 |
| 5.3 完善农户信用信息的法律规范 | 第43页 |
| 5.4 积极发挥政府的作用 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 附录 | 第49页 |