| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 研究意义及背景 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文的结构 | 第16-18页 |
| 第2章 支持向量机和相关算法 | 第18-29页 |
| 2.1 支持向量机 | 第18-23页 |
| 2.1.1 最优超平面 | 第18-19页 |
| 2.1.2 线性可分和线性不可分 | 第19-21页 |
| 2.1.3 核函数及SVM相关参数 | 第21-22页 |
| 2.1.4 SVM运行过程 | 第22-23页 |
| 2.2 相关算法 | 第23-28页 |
| 2.2.1 粒子群算法 | 第23-25页 |
| 2.2.2 遗传算法 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 ACO-SVM算法 | 第29-39页 |
| 3.1 蚁群算法 | 第29-33页 |
| 3.1.1 真实的蚂蚁行为 | 第29-30页 |
| 3.1.2 基本蚁群算法 | 第30-33页 |
| 3.2 改进蚁群算法 | 第33-36页 |
| 3.2.1 已有的改进蚁群算法 | 第33-34页 |
| 3.2.2 本文改进的蚁群算法 | 第34-36页 |
| 3.3 ACO-SVM算法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 仿真实验与结果分析 | 第39-49页 |
| 4.1 实验设计 | 第39页 |
| 4.2 仿真实验 | 第39-48页 |
| 4.2.1 本文算法的有效性 | 第39-43页 |
| 4.2.2 在ACO-SVM信用评级体系应用中的有效性 | 第43-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 作者简介及读研期间主要科研成果 | 第55-56页 |