| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-19页 |
| 1.1 选题背景以及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 统计方法 | 第11-12页 |
| 1.2.2 非统计方法 | 第12页 |
| 1.2.3 各种方法比较研究 | 第12-13页 |
| 1.2.4 集成方法 | 第13-14页 |
| 1.3 技术路线及论文主要研究内容 | 第14-15页 |
| 1.3.1 技术路线 | 第14-15页 |
| 1.3.2 论文结构 | 第15页 |
| 1.4 论文创新点 | 第15-16页 |
| 1.5 个人信用风险评估与数据分类技术 | 第16-19页 |
| 1.5.1 个人信用风险评估 | 第16页 |
| 1.5.2 数据分类方法 | 第16-17页 |
| 1.5.3 数据分类的过程 | 第17-19页 |
| 第二章 面向个人信用风险评估的数据分类方法 | 第19-27页 |
| 2.1 个人信用风险评估的统计模型 | 第19-22页 |
| 2.1.1 决策树模型 | 第19-20页 |
| 2.1.2 朴素贝叶斯模型 | 第20-22页 |
| 2.2 个人信用风险评估的非统计模型 | 第22-27页 |
| 2.2.1 BP神经网络模型 | 第23-25页 |
| 2.2.2 支持向量机(SVM)模型 | 第25-27页 |
| 第三章 个人信用风险评估中单一模型的实验对比分析 | 第27-37页 |
| 3.1 对比模型设计 | 第27-28页 |
| 3.2 个人信用风险评估单一模型的数据预处理 | 第28-31页 |
| 3.3 个人信用风险评估单一模型的性能比较 | 第31-37页 |
| 3.3.1 操作过程以及结果 | 第31-33页 |
| 3.3.2 单一模型性能对比分析 | 第33-37页 |
| 第四章 个人风险评估的集成模型应用对比 | 第37-51页 |
| 4.1 集成模型的概述 | 第37-40页 |
| 4.1.1 集成模型的原理 | 第37-38页 |
| 4.1.2 集成模型的结构分类 | 第38页 |
| 4.1.3 单一模型的选取 | 第38-39页 |
| 4.1.4 单一模型的合成 | 第39-40页 |
| 4.2 基于同态并行结构的个人信用风险评估集成模型 | 第40-46页 |
| 4.2.1 Bagging集成技术 | 第40-41页 |
| 4.2.2 Boosting集成技术 | 第41-42页 |
| 4.2.3 数值实验 | 第42-46页 |
| 4.3 基于异态并行结构的个人信用风险评估集成模型 | 第46-51页 |
| 4.3.1 基于异态并行结构的个人信用风险评估集成模型的原理 | 第46-47页 |
| 4.3.2 数值实验 | 第47-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |
