| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 插图索引 | 第12-13页 |
| 附表索引 | 第13-15页 |
| 第1章 绪论 | 第15-29页 |
| ·选题背景及研究意义 | 第15-17页 |
| ·国内外研究现状及文献综述 | 第17-25页 |
| ·申请评分 | 第17-21页 |
| ·行为评分 | 第21-22页 |
| ·利润评分 | 第22-25页 |
| ·技术路线与内容结构 | 第25-27页 |
| ·技术路线 | 第25-26页 |
| ·内容结构 | 第26-27页 |
| ·研究方法和主要创新点 | 第27-29页 |
| 第2章 个人信用评分的相关理论研究 | 第29-46页 |
| ·个人信用评分的界定 | 第29-31页 |
| ·信用的涵义 | 第29页 |
| ·个人信用 | 第29-30页 |
| ·个人信用评分 | 第30-31页 |
| ·个人信用评分体系 | 第31页 |
| ·个人信用评分的经济学分析 | 第31-34页 |
| ·个人信用评分与逆向选择 | 第32-33页 |
| ·个人信用评分与道德风险 | 第33-34页 |
| ·个人信用评分的一般过程 | 第34-43页 |
| ·问题定义 | 第35-36页 |
| ·数据采集和预处理 | 第36-37页 |
| ·个人信用评分模型的建立 | 第37-40页 |
| ·个人信用评分模型的检验 | 第40-43页 |
| ·个人信用评分的应用与拓展 | 第43-46页 |
| ·个人信用评分的应用 | 第43-44页 |
| ·个人信用评分应用的拓展 | 第44-46页 |
| 第3章 个人信用评分中的数据预处理 | 第46-67页 |
| ·个人信用数据的内容和表述 | 第46-50页 |
| ·个人信用数据的主要内容 | 第46-47页 |
| ·本文使用个人信用数据的描述 | 第47-48页 |
| ·个人信用数据的表述 | 第48-50页 |
| ·个人信用数据中的缺失值处理 | 第50-53页 |
| ·对缺失值的单一填补和多重填补 | 第51-52页 |
| ·数值实验 | 第52-53页 |
| ·个人信用数据中异常值的检测和处理 | 第53-58页 |
| ·单个属性异常值的检测和处理 | 第54-55页 |
| ·异常实例的检测和处理 | 第55页 |
| ·数值实验 | 第55-58页 |
| ·个人信用数据的离散化 | 第58-62页 |
| ·等距和等频区间离散化方法 | 第58-59页 |
| ·基于熵的离散化方法 | 第59-60页 |
| ·数值实验 | 第60-62页 |
| ·个人信用数据中的不平衡数据问题研究 | 第62-67页 |
| ·数据层面的解决方法 | 第62-64页 |
| ·算法层面的解决方法 | 第64-65页 |
| ·数值实验 | 第65-67页 |
| 第4章 个人信用评分的指标体系研究 | 第67-81页 |
| ·个人信用评分指标体系构建原则 | 第68-69页 |
| ·影响个人信用的因素分析 | 第69-71页 |
| ·基于重要性排序的个人信用评分指标选择 | 第71-75页 |
| ·χ~2统计量 | 第71-72页 |
| ·信息增益 | 第72页 |
| ·信息增益率 | 第72页 |
| ·Relief F方法 | 第72-73页 |
| ·BP神经网络连接权值 | 第73-74页 |
| ·组合方法 | 第74-75页 |
| ·基于最优特征子集的个人信用评分指标选择 | 第75-79页 |
| ·基于相关性的特征子集选择方法 | 第75页 |
| ·基于一致性的特征子集选择方法 | 第75-76页 |
| ·包裹法 | 第76页 |
| ·数值实验 | 第76-79页 |
| ·完善个体工商户信用评分指标体系的政策建议 | 第79-81页 |
| 第5章 个人信用评分单一模型的应用与比较 | 第81-98页 |
| ·个人信用评分的统计模型 | 第81-91页 |
| ·Logistic回归模型的原理及应用 | 第81-85页 |
| ·决策树模型的原理及应用 | 第85-88页 |
| ·贝叶斯网络模型的原理及应用 | 第88-91页 |
| ·个人信用评分的非统计模型 | 第91-96页 |
| ·神经网络模型的原理及应用 | 第91-94页 |
| ·支持向量机模型的原理及应用 | 第94-96页 |
| ·个人信用评分单一模型的性能比较 | 第96-98页 |
| 第6章 个人信用评分组合模型构建与应用 | 第98-120页 |
| ·组合模型概述 | 第98-103页 |
| ·组合模型的原理 | 第98-99页 |
| ·组合模型的结构 | 第99-100页 |
| ·单一模型的选择 | 第100-101页 |
| ·单一模型的合成 | 第101-103页 |
| ·串行结构的个人信用评分组合模型 | 第103-106页 |
| ·串行结构的个人信用评分组合模型原理 | 第103页 |
| ·数值实验 | 第103-106页 |
| ·异态并行结构的个人信用评分组合模型 | 第106-109页 |
| ·异态并行结构的个人信用评分组合模型原理 | 第106-107页 |
| ·数值实验 | 第107-109页 |
| ·同态并行结构的个人信用评分组合模型 | 第109-120页 |
| ·Bagging、Boosting和Rsm集成个人信用评分模型 | 第109-113页 |
| ·基于聚类的bagging集成个人信用评分模型 | 第113-116页 |
| ·基于聚类的选择集成个人信用评分模型 | 第116-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-130页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第130-131页 |
| 致谢 | 第131页 |