基于遗传算法的子空间分类研究及其在个人信用评估中的应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究的背景和意义 | 第7页 |
| 1.2 国内外个人信用评估的研究状况 | 第7-9页 |
| 1.3 论文研究的内容和方法 | 第9-10页 |
| 1.4 论文的结构安排 | 第10-11页 |
| 第二章 个人信用评估方法 | 第11-20页 |
| 2.1 基于线性判别分析的个人信用评估 | 第11-12页 |
| 2.2 基于回归分析的个人信用评估 | 第12-13页 |
| 2.3 基于决策树分类的个人信用评估 | 第13-15页 |
| 2.4 基于最近邻分类的个人信用评估 | 第15-16页 |
| 2.5 基于支持向量机的个人信用评估 | 第16-19页 |
| 2.5.1 支持向量机分类 | 第16-19页 |
| 2.5.2 支持向量机在个人信用评估中的应用 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 子空间分类算法 | 第20-24页 |
| 3.1 子空间分类概述 | 第20-21页 |
| 3.2 子空间分类算法 | 第21-23页 |
| 3.2.1 线性子空间分类方法 | 第21-22页 |
| 3.2.2 非线性子空间分类方法 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 基于 GA 的子空间分类算法 | 第24-38页 |
| 4.1 支持向量选择 | 第24-28页 |
| 4.1.1 支持向量选择研究现状 | 第24-25页 |
| 4.1.2 凸包 | 第25页 |
| 4.1.3 基于置信度和凸包的支持向量选择算法 | 第25-28页 |
| 4.2 GS-SVM 算法 | 第28-32页 |
| 4.2.1 编码 | 第28-29页 |
| 4.2.2 种群初始化 | 第29页 |
| 4.2.3 适应度函数及选择操作 | 第29-30页 |
| 4.2.4 交叉操作 | 第30页 |
| 4.2.5 变异操作 | 第30页 |
| 4.2.6 GS-SVM 算法整体流程 | 第30-32页 |
| 4.3 实验 | 第32-37页 |
| 4.3.1 实验 1 | 第32-33页 |
| 4.3.2 实验 2 | 第33-36页 |
| 4.3.3 实验 3 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 GS-SVM 在个人信用评估中的应用 | 第38-44页 |
| 5.1 数据准备 | 第39-41页 |
| 5.2 实例分析 | 第41-42页 |
| 5.3 实验结果分析 | 第42-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和参加科研情况说明 | 第50-51页 |
| 致谢 | 第51页 |
