高校图书馆读者信用评价体系的研究应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 概述 | 第9-14页 |
| ·研究背景 | 第9-12页 |
| ·图书馆实行读者信用制度的必要性 | 第9-11页 |
| ·图书馆进行读者信用管理的可行性 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·研究目的及现实意义 | 第12-13页 |
| ·研究目的 | 第12页 |
| ·研究的现实意义 | 第12-13页 |
| ·本文章节安排 | 第13页 |
| ·本章小结 | 第13-14页 |
| 第2章 个人信用评价方法概述 | 第14-26页 |
| ·信用评价方法及信用评分 | 第14-16页 |
| ·传统的信用评价方法 | 第14页 |
| ·个人信用评分的发展及方法 | 第14-16页 |
| ·传统信用评分模型及技术 | 第16-22页 |
| ·判别分析法 | 第17页 |
| ·逻辑回归方法 | 第17-19页 |
| ·多元回归模型 | 第19-20页 |
| ·分类树模型 | 第20页 |
| ·共性过滤分析 | 第20-21页 |
| ·线性规划法 | 第21-22页 |
| ·基于人工智能的信用评价技术 | 第22-25页 |
| ·人工智能技术 | 第22-23页 |
| ·人工智能的研究领域 | 第23-24页 |
| ·基于人工智能技术的信用评价 | 第24-25页 |
| ·信用评价方法的整体比较 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于神经网络的信用评价模型 | 第26-41页 |
| ·神经网络 | 第26-32页 |
| ·神经网络模型 | 第26-29页 |
| ·BP网络 | 第29-32页 |
| ·遗传算法 | 第32-35页 |
| ·遗传算法的基本原理 | 第32页 |
| ·遗传算法的基本操作 | 第32-33页 |
| ·遗传算法的算法流程 | 第33-34页 |
| ·遗传算法的特点 | 第34-35页 |
| ·遗传算法的参数选择 | 第35页 |
| ·基于神经网络的信用评价模型 | 第35-40页 |
| ·基本结构 | 第35-36页 |
| ·设计思想 | 第36-38页 |
| ·基本流程 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 读者信用评价体系及其构建方法 | 第41-50页 |
| ·高校图书馆读者信用制度 | 第41-43页 |
| ·读者信用管理制度的建立 | 第41-42页 |
| ·读者信用奖惩机制 | 第42-43页 |
| ·高校图书馆读者信用评分方法 | 第43页 |
| ·高校图书馆读者信用指标体系 | 第43-47页 |
| ·构建读者信用评价指标体系原则 | 第44页 |
| ·读者信用评价指标的选择 | 第44-45页 |
| ·读者信用评价指标体系 | 第45-47页 |
| ·系统的设计思想及基本流程 | 第47-49页 |
| ·系统设计思想 | 第47-48页 |
| ·系统基本流程 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 读者信用评价体系的设计和实现 | 第50-58页 |
| ·高校读者信用管理体系的整体设计 | 第50-51页 |
| ·主要功能模块介绍 | 第51-54页 |
| ·系统基本框架 | 第51-53页 |
| ·读者征信数据库 | 第53-54页 |
| ·读者信用评价模型的软件实现 | 第54-55页 |
| ·开发工具及框架 | 第54-55页 |
| ·系统运行环境及各层运行的平台 | 第55页 |
| ·系统实现的基本要求 | 第55页 |
| ·读者信用评价模型的仿真 | 第55-57页 |
| ·读者信用等级分级 | 第55-56页 |
| ·模型训练及分析 | 第56-57页 |
| ·模型验证及分析 | 第57页 |
| ·模型仿真结论 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第6章 结束语 | 第58-60页 |
| ·本文总结 | 第58页 |
| ·工作展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
