| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·上市公司财务危机预警的研究背景 | 第10页 |
| ·上市公司财务危机预警研究的重要性和意义 | 第10-11页 |
| ·上市公司财务危机预警的研究现状 | 第11-13页 |
| ·上市公司财务危机预警的国际研究现状 | 第12页 |
| ·上市公司财务危机预警的国内研究现状 | 第12-13页 |
| ·上市公司财务危机预警面临的问题和未来的研究趋势 | 第13-14页 |
| ·本文的研究内容及主要创新点 | 第14-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第二章 相关理论基础 | 第17-29页 |
| ·粗集理论的发展以及国际国内的研究现状 | 第17-18页 |
| ·粗糙集理论的国际国内研究现状 | 第17-18页 |
| ·粗集理论的应用前景 | 第18页 |
| ·粗糙集理论的基本概念 | 第18-22页 |
| ·知识约简的基本概念 | 第22-24页 |
| ·数据预处理的基本方法 | 第24-26页 |
| ·空值处理方法 | 第24-25页 |
| ·属性离散化方法 | 第25-26页 |
| ·属性约简算法简介 | 第26-27页 |
| ·人工神经网络的基本概念和应用 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 连续属性离散化的算法优化 | 第29-41页 |
| ·上市公司财务数据的特征分析 | 第29-31页 |
| ·基于信息熵的连续属性离散化算法回顾 | 第31-33页 |
| ·粗糙集信息熵的相关定义 | 第31-32页 |
| ·基于信息熵的粗糙集离散化算法步骤 | 第32-33页 |
| ·动态邻域聚类 | 第33-36页 |
| ·基于动态邻域聚类的连续属性离散化算法优化 | 第36-40页 |
| ·相似决策方案区间合并方法 | 第37-38页 |
| ·基于动态邻域聚类的属性离散化优化算法步骤 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 上市公司财务危机预警过程 | 第41-62页 |
| ·上市公司财务指标原始数据选择 | 第43-46页 |
| ·数据预处理 | 第46-52页 |
| ·定性条件属性的预处理方法 | 第46-47页 |
| ·定量条件属性的标准化处理 | 第47-48页 |
| ·定量条件属性的离散化处理 | 第48-52页 |
| ·基于粗集理论的属性约简 | 第52-54页 |
| ·指标初选 | 第52-53页 |
| ·属性约简 | 第53-54页 |
| ·利用神经网络搭建财务危机预警模型 | 第54-58页 |
| ·BP神经网络的基本原理 | 第55-56页 |
| ·神经网络的搭建和训练过程 | 第56-58页 |
| ·财务危机预警模型实证检验 | 第58-59页 |
| ·上市公司财务危机预警模型检验结果的解释 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 基于粗糙集-神经网络的上市公司财务危机预警模式验证 | 第62-69页 |
| ·单独使用粗糙集方法的处理结果 | 第62-64页 |
| ·单独使用神经网络方法的处理结果 | 第64-66页 |
| ·粗糙集-神经网络法与上述两种方法的结果比较 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69页 |
| ·研究展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士期间发表的论文和参与的科研项目 | 第74-75页 |
| 致谢 | 第75-76页 |