信用风险分类评级数学模型的研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 绪论 | 第7-15页 |
| ·选题的背景及研究的意义 | 第7页 |
| ·国内外研究现状 | 第7-13页 |
| ·我国商业银行信用风险识别体制发展 | 第7-9页 |
| ·我国商业银行信用风险识别方法的沿革 | 第9-11页 |
| ·国外信用风险识别方法 | 第11-13页 |
| ·本文的主要内容 | 第13-15页 |
| 2 数学基本概念和理论准备 | 第15-33页 |
| ·聚类分析的基本原理及划分方法 | 第15-16页 |
| ·模糊理论与技术 | 第16-23页 |
| ·模糊性 | 第16-17页 |
| ·模糊集合与隶属函数 | 第17页 |
| ·模糊逻辑系统 | 第17-20页 |
| ·模糊规则库 | 第20-21页 |
| ·模糊推理机 | 第21-22页 |
| ·模糊聚类 | 第22-23页 |
| ·神经网络基本理论 | 第23-29页 |
| ·模糊神经网络 | 第29-33页 |
| ·模糊技术与神经网络的融合 | 第29-30页 |
| ·模糊神经网络分类 | 第30-33页 |
| 3 企业信用风险分类评级指标体系构建 | 第33-38页 |
| ·信用风险识别 | 第33-34页 |
| ·企业信用风险分类识别系统的功能分析 | 第34页 |
| ·设计思路及构建原则 | 第34-35页 |
| ·指标体系设计 | 第35-38页 |
| 4 三种数学模型算法描述及实证比较分析 | 第38-54页 |
| ·信用风险的快速聚类（K-均值聚类）分析 | 第38-42页 |
| ·样本数据预处理 | 第38-40页 |
| ·企业信用风险的K均值聚类分析 | 第40-42页 |
| ·信用风险的自组织竞争型神经网络模型 | 第42-47页 |
| ·自组织竞争型神经网络神经元模型 | 第42-43页 |
| ·自组织竞争型神经网络权值调整规则 | 第43-45页 |
| ·自组织竞争型神经网络的算法 | 第45-46页 |
| ·自组织竞争型神经网络实证分析 | 第46-47页 |
| ·自适应模糊神经网络（ANFIS）模型研究 | 第47-54页 |
| ·ANFIS结构 | 第48-50页 |
| ·ANFIS算法 | 第50页 |
| ·模型的学习和训练 | 第50-54页 |
| 5 总结与展望 | 第54-56页 |
| ·研究工作 | 第54页 |
| ·不足与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-63页 |
