| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景 | 第13-15页 |
| ·研究现状 | 第15-17页 |
| ·研究思路与框架 | 第17-21页 |
| ·研究内容 | 第17-18页 |
| ·研究方法 | 第18页 |
| ·技术路线 | 第18-20页 |
| ·论文结构 | 第20-21页 |
| ·拟解决的关键问题与创新期望 | 第21-22页 |
| ·拟解决的关键问题 | 第21页 |
| ·研究的创新期望 | 第21-22页 |
| 第二章 信用卡风险管理 | 第22-30页 |
| ·信用卡基本概念 | 第22-25页 |
| ·信用卡及其分类 | 第22-23页 |
| ·信用卡的特征与功能 | 第23-25页 |
| ·信用卡风险 | 第25-28页 |
| ·金融风险与信用卡风险 | 第25页 |
| ·信用卡风险种类 | 第25-27页 |
| ·信用卡风险成因 | 第27-28页 |
| ·信用卡风险控制 | 第28-29页 |
| 本章小结 | 第29-30页 |
| 第三章 个人信用评分方法的比较分析 | 第30-43页 |
| ·基于统计学理论的方法 | 第30-34页 |
| ·判别分析 | 第30-31页 |
| ·回归分析法 | 第31-32页 |
| ·Probit 方法 | 第32页 |
| ·分类树法 | 第32-34页 |
| ·基于人工智能的方法 | 第34-39页 |
| ·数据挖掘方法 | 第34-36页 |
| ·人工神经网络方法 | 第36-37页 |
| ·专家系统 | 第37-39页 |
| ·进化计算方法 | 第39页 |
| ·其它方法 | 第39-40页 |
| ·个人信用评分方法的比较分析 | 第40-41页 |
| ·评分模型改进的基本思想 | 第41-42页 |
| 本章小结 | 第42-43页 |
| 第四章 智能计算理论基础 | 第43-64页 |
| ·人工神经网络 | 第43-49页 |
| ·人工神经元模型 | 第43-44页 |
| ·人工神经网络的结构 | 第44-45页 |
| ·神经网络的特点 | 第45-46页 |
| ·神经网络的学习方式 | 第46-48页 |
| ·中间层及中间层节点数目的确定 | 第48-49页 |
| ·模糊逻辑 | 第49-54页 |
| ·模糊集合与模糊逻辑的基本概念 | 第49-51页 |
| ·模糊逻辑系统的分类 | 第51-54页 |
| ·粗糙集 | 第54-58页 |
| ·知识与知识的表示 | 第54-56页 |
| ·粗糙集相关概念 | 第56-57页 |
| ·知识约简 | 第57页 |
| ·决策规则 | 第57-58页 |
| ·模因算法 | 第58-63页 |
| ·模因算法原理 | 第58-59页 |
| ·模因算法结构 | 第59-61页 |
| ·模因算法特点 | 第61-62页 |
| ·模因算法应用 | 第62-63页 |
| 本章小结 | 第63-64页 |
| 第五章 模因进化型模糊神经网络(M-FNN)模型研究 | 第64-83页 |
| ·智能计算技术的特性分析 | 第64-67页 |
| ·智能计算的集成研究 | 第67-70页 |
| ·模糊逻辑与人工神经网络的集成 | 第68页 |
| ·粗糙集与人工神经网络的集成 | 第68-70页 |
| ·模因算法与人工神经网络的集成 | 第70页 |
| ·M-FNN 模型 | 第70-76页 |
| ·综合智能信处处理系统构建原则 | 第70-71页 |
| ·模糊神经网络结构与算法分析 | 第71-74页 |
| ·粗糙前置处理的M-FNN 结构设计 | 第74-76页 |
| ·基于改进模因算法的模型训练 | 第76-82页 |
| ·基本粒子群算法（PSO） | 第77-78页 |
| ·提出的算法 | 第78页 |
| ·LS 策略 | 第78-81页 |
| ·模型的训练 | 第81-82页 |
| 本章小结 | 第82-83页 |
| 第六章 基于M-FNN 的个人信用评分模型及其应用分析 | 第83-101页 |
| ·个人信用评分机制 | 第83-84页 |
| ·M-FNN 个人信用评分模型可行性 | 第84页 |
| ·评估指标选择 | 第84-86页 |
| ·指标选择的原则 | 第84-85页 |
| ·评估指标体系 | 第85-86页 |
| ·数据采集与处理 | 第86-89页 |
| ·样本数据来源 | 第86页 |
| ·样本数据处理 | 第86-87页 |
| ·指标体系的建立与约简 | 第87-89页 |
| ·基于样本的个人信用评分模型设计 | 第89-97页 |
| ·基于逻辑回归的个人信用评分模型 | 第90页 |
| ·基于BP 神经网络的个人信用评分模型 | 第90-92页 |
| ·基于模糊神经网络的个人信用评分模型 | 第92-95页 |
| ·基于M-FNN 的个人信用评分模型 | 第95-97页 |
| ·仿真实验及结果分析 | 第97-99页 |
| ·仿真实验 | 第97-98页 |
| ·结果分析 | 第98-99页 |
| ·初步结论 | 第99页 |
| 本章小结 | 第99-101页 |
| 第七章 信用卡欺诈侦测模型研究 | 第101-118页 |
| ·信用卡欺诈侦测机理 | 第101-103页 |
| ·信用卡欺诈的特点 | 第101-102页 |
| ·信用卡欺诈的分类 | 第102页 |
| ·信用卡欺诈侦测识别 | 第102-103页 |
| ·欺诈侦测的专家系统 | 第103-106页 |
| ·系统的组成 | 第103-104页 |
| ·专家规则 | 第104-105页 |
| ·应用分析 | 第105-106页 |
| ·欺诈侦测的模因算法模型 | 第106-113页 |
| ·模因算法应用于防欺诈的可行性 | 第106-107页 |
| ·建立模因算法模型 | 第107-109页 |
| ·全局搜索策略 | 第109-110页 |
| ·局部搜索策略 | 第110-111页 |
| ·算法的流程 | 第111页 |
| ·应用分析 | 第111-113页 |
| ·信用卡欺诈侦测的智能决策系统 | 第113-117页 |
| ·系统拓扑结构 | 第114页 |
| ·系统的主要功能模块 | 第114-115页 |
| ·应用分析 | 第115-117页 |
| 本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-134页 |
| 附录 | 第134-160页 |
| 攻读博士学位期间取得的研究成果 | 第160-161页 |
| 致谢 | 第161页 |