| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究的背景和意义 | 第8-9页 |
| ·国内外研究的现状 | 第9-11页 |
| ·国外关于公司财务预警的研究 | 第9-10页 |
| ·国内关于公司财务预警的研究 | 第10-11页 |
| ·本文的主要研究工作 | 第11页 |
| ·论文组织 | 第11-13页 |
| 第二章 分类器 | 第13-27页 |
| ·引言 | 第13页 |
| ·分类原理 | 第13-21页 |
| ·常用的分类器算法 | 第13-17页 |
| ·分类器过拟合问题 | 第17-18页 |
| ·分类器性能评价 | 第18-21页 |
| ·组合分类器 | 第21-22页 |
| ·组合分类器的原理 | 第21-22页 |
| ·组合分类器提升分类性能的原因 | 第22页 |
| ·组合分类器的构造方法 | 第22-26页 |
| ·投票表决法(Voting) | 第23页 |
| ·加权多数法(Weighted Majority) | 第23页 |
| ·堆积泛化(Stacking) | 第23-24页 |
| ·Bagging(Bootstrap aggregating) | 第24-25页 |
| ·Adaboost(Adaptive Boosting) | 第25-26页 |
| ·BAGGING和ADABOOST的特点比较 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 公司财务预警 | 第27-36页 |
| ·引言 | 第27页 |
| ·公司财务危机 | 第27-28页 |
| ·公司财务预警的评价指标 | 第28-31页 |
| ·用于财务预警的学习算法 | 第31-33页 |
| ·BP网络及其学习算法 | 第31-32页 |
| ·BP神经网络的训练 | 第32-33页 |
| ·用于财务预警的ADABOOST算法 | 第33-34页 |
| ·用于财务预警的BAGGING算法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于组合分类器的财务预警的仿真 | 第36-50页 |
| ·引言 | 第36页 |
| ·仿真实验的设计 | 第36页 |
| ·实验数据的筛选 | 第36-37页 |
| ·基于单个神经网络的财务预警仿真实验 | 第37-42页 |
| ·BP神经网络的模型建立 | 第37-39页 |
| ·数据预处理 | 第39页 |
| ·单个BP神经网络的结构 | 第39-41页 |
| ·单个神经网络仿真实验 | 第41-42页 |
| ·基于ADABOOST的财务预警仿真实验 | 第42-46页 |
| ·AdaBoost算法流程 | 第43页 |
| ·Adaboost程序实现 | 第43-46页 |
| ·ADABOOST算法的应用扩展 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| ·论文工作总结 | 第50页 |
| ·进一步的工作展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57页 |
