基于粗糙集BP神经网络个人信用评估模型
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 粗糙集研究现状 | 第11-13页 |
| 1.2.2 数据挖掘研究现状 | 第13页 |
| 1.2.3 粗糙集与数据挖掘结合研究现状 | 第13-14页 |
| 1.3 本文研究内容与创新 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 基础理论 | 第16-25页 |
| 2.1 粗糙集基本理论 | 第16-21页 |
| 2.1.1 知识与知识库 | 第16-17页 |
| 2.1.2 粗糙集的基本概念 | 第17-19页 |
| 2.1.3 知识约简与核 | 第19-20页 |
| 2.1.4 可变精度粗糙集基本定义 | 第20-21页 |
| 2.2 数据挖掘基本理论 | 第21-23页 |
| 2.2.1 数据挖掘定义 | 第21-22页 |
| 2.2.2 数据挖掘过程 | 第22-23页 |
| 2.2.3 数据挖掘的方法与任务 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 信息决策系统的属性约简算法 | 第25-37页 |
| 3.1 盲目删除属性约简算法 | 第25-26页 |
| 3.2 基于属性重要度的属性约简算法 | 第26页 |
| 3.3 基于改进区分矩阵的属性约简 | 第26-31页 |
| 3.3.1 基于区分矩阵的属性约简算法 | 第27-28页 |
| 3.3.2 基于改进区分矩阵的属性约简算法 | 第28-31页 |
| 3.4 基于信息熵的属性约简算法 | 第31页 |
| 3.5 基于改进的属性重要度的属性约简算法 | 第31-36页 |
| 3.5.1 属性重要度的度量方式不完备问题 | 第32-33页 |
| 3.5.2 属性重要度无法区分的属性集选择问题 | 第33-34页 |
| 3.5.3 新属性重要度 | 第34-35页 |
| 3.5.4 基于新属性重要度的属性约简算法 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 粗糙集与BP神经网络结合 | 第37-43页 |
| 4.1 神经网络基本结构 | 第37-38页 |
| 4.2 神经网络工作原理 | 第38页 |
| 4.3 BP神经网络 | 第38-41页 |
| 4.3.1 BP神经网络模型 | 第38-39页 |
| 4.3.2 BP网络学习算法过程 | 第39-41页 |
| 4.4 粗糙集与BP神经网络结合 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于粗糙集BP神经网络个人信用评估模型 | 第43-52页 |
| 5.1 数据的准备 | 第43-44页 |
| 5.2 基于粗糙集的数据预处理 | 第44-46页 |
| 5.3 基于改进属性重要度的属性约简 | 第46-47页 |
| 5.4 基于粗糙集BP神经网络个人信用评估模型 | 第47-51页 |
| 5.4.1 数据的选取与预处理 | 第47页 |
| 5.4.2 BP神经网络模型构建 | 第47-49页 |
| 5.4.3 模型的检验 | 第49-51页 |
| 5.4.4 与其他分类方法对比 | 第51页 |
| 5.5 本章小结 | 第51-52页 |
| 第六章 结论与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻硕期间取得的研究成果 | 第58-59页 |
