| 摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-13页 |
| ·企业信用评价导论 | 第6-7页 |
| ·引言 | 第6-7页 |
| ·信用分析理论 | 第7页 |
| ·信用评价方法的研究背景 | 第7-10页 |
| ·传统的专家分析法 | 第7-8页 |
| ·信用分析的定量方法 | 第8-9页 |
| ·信用分析的模式识别方法 | 第9-10页 |
| ·研究信用评价的意义 | 第10-11页 |
| ·研究内容和目的 | 第11-13页 |
| 第二章 分类树方法的指标体系选择 | 第13-21页 |
| ·传统企业信用评价方法的不足 | 第13-14页 |
| ·分类树方法 | 第14-15页 |
| ·分类树方法介绍 | 第14页 |
| ·分类树的优越性 | 第14-15页 |
| ·本文模型指标体系的选择 | 第15-18页 |
| ·我国企业信用评价常用的指标体系 | 第15页 |
| ·穆迪公司企业信用评估指标体系 | 第15-16页 |
| ·标准普尔公司企业风险评估指标体系 | 第16页 |
| ·本文选择的信用评价指标体系 | 第16-18页 |
| ·本文数据的获得和实验的步骤 | 第18-21页 |
| ·本文数据的获得和说明 | 第18-19页 |
| ·本文的实验步骤 | 第19-20页 |
| ·本文的实验方法 | 第20-21页 |
| 第三章 分类树算法综述 | 第21-28页 |
| ·分类算法的简介 | 第21-24页 |
| ·分类树算法的优点 | 第21-22页 |
| ·分类树算法原理及步骤 | 第22-24页 |
| ·ID3 算法 | 第24-26页 |
| ·ID3 算法中的属性选择方法 | 第24-26页 |
| ·分类算法软件WEKA 介绍 | 第26-28页 |
| 第四章 实验选择离散化算法 | 第28-32页 |
| ·连续属性离散化的概念 | 第28-29页 |
| ·连续属性离散化的算法原理 | 第29-30页 |
| ·等宽区间法 | 第29页 |
| ·等频区间法 | 第29页 |
| ·递归最小熵算法(Fayyad&Irani) | 第29-30页 |
| ·WEKA 中的离散化算法的实验分析 | 第30-32页 |
| ·WEKA 的离散化算法简介 | 第31页 |
| ·算法的实验结果对比 | 第31-32页 |
| 第五章 实验选择特征选择算法 | 第32-47页 |
| ·特征选择问题的由来 | 第32-34页 |
| ·特征选择的定义 | 第32-33页 |
| ·特征选择与特征提取的关系 | 第33-34页 |
| ·特征选择的基本框架 | 第34-38页 |
| ·特征选择的基本框架 | 第34-35页 |
| ·特征子集的搜索方法 | 第35-36页 |
| ·特征选择算法的评价标准 | 第36-38页 |
| ·特征选择算法的实验效果对比 | 第38-47页 |
| ·WEKA 中的几种特征选择算法 | 第38-42页 |
| ·综合绩效的预测 | 第42-45页 |
| ·成长等级的预测 | 第45-46页 |
| ·信用等级的预测 | 第46-47页 |
| 第六章 分类树与其他方法的实验对比 | 第47-58页 |
| ·统计类方法概述 | 第47-50页 |
| ·一元判别分析、LOGISTIC 判别分析、分类树的结果对比 | 第50-53页 |
| ·三种方法在七个类别综合绩效的效果对比 | 第50-51页 |
| ·三种方法在三个类别综合绩效的效果对比 | 第51页 |
| ·三种方法在两个类别综合绩效的效果对比 | 第51-52页 |
| ·三种方法在成长等级上的结果对比 | 第52-53页 |
| ·三种方法在信用等级上的结果对比 | 第53页 |
| ·分类树的组合增进算法实验 | 第53-56页 |
| ·agging 算法和Adaboost 算法的原理 | 第54页 |
| ·实验分析 | 第54-56页 |
| ·结论 | 第56-58页 |
| 参考文献 | 第58-59页 |
| 致谢 | 第59页 |
| 附录 | 第59-76页 |
| 附录1 本文的数据来源 | 第59-74页 |
| 附录2 实验结果的混杂矩阵 | 第74-76页 |
| 中文详细摘要 | 第76-80页 |