| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的及意义 | 第9-10页 |
| 1.2.1 研究目的 | 第9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.3.1 信用评分模型研究现状 | 第10-13页 |
| 1.3.2 决策树集成模型研究现状 | 第13-14页 |
| 1.3.3 企业信用评分研究现状 | 第14-15页 |
| 1.3.4 现有研究成果评述 | 第15页 |
| 1.4 研究内容与研究方法 | 第15-18页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 研究方法 | 第16-18页 |
| 第2章 决策树模型在小企业信用评分中的应用分析 | 第18-31页 |
| 2.1 决策树模型原理及特点 | 第18-20页 |
| 2.1.1 决策树模型基本原理 | 第18-20页 |
| 2.1.2 决策树模型基本特征 | 第20页 |
| 2.2 决策树模型在小企业信用评分中的应用 | 第20-26页 |
| 2.2.1 小企业界定及特点分析 | 第20-21页 |
| 2.2.2 小企业信用评分的特殊性 | 第21-22页 |
| 2.2.3 小企业信用评分决策树模型的建立 | 第22-26页 |
| 2.3 决策树模型应用效果分析 | 第26-30页 |
| 2.3.1 决策树模型的运行结果 | 第26-28页 |
| 2.3.2 决策树模型优势分析 | 第28-29页 |
| 2.3.3 决策树模型局限性分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于 PSO-决策树集成算法的小企业信用评分模型设计 | 第31-41页 |
| 3.1 PSO-决策树集成算法整体设计及适用性分析 | 第31-32页 |
| 3.2 小企业样本的属性约简模型设计 | 第32-34页 |
| 3.2.1 原理介绍 | 第32页 |
| 3.2.2 PSO 的基本原理 | 第32-33页 |
| 3.2.3 应用粒子群算法进行属性约简 | 第33-34页 |
| 3.3 决策树集成算法设计 | 第34-39页 |
| 3.3.1 集成算法的选择 | 第34-38页 |
| 3.3.2 Bagging-Random Subspace 算法原理 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 PSO-决策树集成算法在小企业信用评分中的应用及效果分析 | 第41-50页 |
| 4.1 PSO-决策树集成算法在小企业信用评分中的应用 | 第41-44页 |
| 4.2 PSO-决策树集成模型的应用效果对比分析 | 第44-48页 |
| 4.2.1 模型评价依据 | 第44-45页 |
| 4.2.2 集成算法数据集规模影响的差异分析 | 第45-48页 |
| 4.3 PSO-决策树集成模型与决策树模型的应用结果比较 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 后记 | 第57页 |
