中小企业信贷风险评估系统的研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论和技术 | 第16-28页 |
| 2.1 信贷风险 | 第16-17页 |
| 2.2 风险评估方法 | 第17-21页 |
| 2.2.1 专家系统 | 第17-18页 |
| 2.2.2 神经网络 | 第18-19页 |
| 2.2.3 k近邻法 | 第19-20页 |
| 2.2.4 遗传算法 | 第20-21页 |
| 2.3 支持向量机 | 第21-25页 |
| 2.3.1 线性支持向量机 | 第21-23页 |
| 2.3.2 非线性支持向量机与核函数 | 第23-24页 |
| 2.3.3 多分类支持向量机 | 第24-25页 |
| 2.4 属性约简 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 整体设计 | 第28-35页 |
| 3.1 系统分析 | 第28-29页 |
| 3.2 总体架构 | 第29-30页 |
| 3.3 数据模型 | 第30-33页 |
| 3.4 系统组成 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 信贷风险评估模型 | 第35-51页 |
| 4.1 信贷风险评估流程 | 第35-36页 |
| 4.2 基于粗糙集的评估指标筛选 | 第36-44页 |
| 4.2.1 初步选取评估指标 | 第36页 |
| 4.2.2 指标数据预处理 | 第36-39页 |
| 4.2.3 评估指标约简 | 第39-44页 |
| 4.3 基于SVM的信贷风险评估模型构建 | 第44-50页 |
| 4.3.1 数据结构定义 | 第44页 |
| 4.3.2 归一化处理 | 第44-45页 |
| 4.3.3 核函数选取 | 第45-46页 |
| 4.3.4 模型参数确定 | 第46-49页 |
| 4.3.5 基于SVM的风险评估模型 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 应用与分析 | 第51-55页 |
| 5.1 数据采集及处理 | 第51-52页 |
| 5.2 风险评估 | 第52-53页 |
| 5.3 评估分析 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文 | 第60-62页 |
| 致谢 | 第62页 |
