| 中文摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 综述 | 第6-11页 |
| 1．1 模式识别的概念及其内容 | 第6页 |
| 1．2 国内外研究现状 | 第6-9页 |
| 1．3 当前研究的重点和发展趋势 | 第9-10页 |
| 1．4 本文的主要工作 | 第10-11页 |
| 第二章 数据模式识别整合框架 | 第11-20页 |
| 2．1 分离的模式识别方法的不足和整合模式识别框架(DPRIF)的提山 | 第11-17页 |
| 2．2 DPRIF的整合优势 | 第17-18页 |
| 2．3 DPRIF需要解决的若干问题 | 第18-19页 |
| 2．4 本章小结 | 第19-20页 |
| 第三章 基于DPRIF的SOFM-SVM模型基础 | 第20-32页 |
| 3．1 自组织特征映射神经网络(SOFM)及其算法 | 第20-23页 |
| 3．2 SVM基本原理及其基本模型 | 第23-27页 |
| 3．3 整合SOFM-SVM模型 | 第27-31页 |
| 3．4 本章小结 | 第31-32页 |
| 第四章 基于DPRIF的SOFM-SVM模型局部分析和改进 | 第32-41页 |
| 4．1 特征提取和聚类解释问题--降维PCA处理 | 第32-33页 |
| 4．2 聚类数目与聚类有效性分析--CMI算法 | 第33-36页 |
| 4．3 噪声的过滤问题--Anti-NO算法 | 第36-38页 |
| 4．4 分类边界问题--提取分类边界 | 第38-39页 |
| 4．5 多类分类器的处理--多类SVM | 第39-40页 |
| 4．6 本章小结 | 第40-41页 |
| 第五章 基于DPRIF的整合SOFM-SVM模型在上市公司信用模式识别中的应用 | 第41-51页 |
| 5．1 应用背景 | 第41-42页 |
| 5．2 实证分析过程 | 第42-50页 |
| 5．3 小结评价 | 第50-51页 |
| 第六章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录一：2002年200只沪深上市公司股票数据(未经标准化)--训练集 | 第56-61页 |
| 附录二：2002年78只沪深上市公司股票数据(未经标准化)--测试集 | 第61-63页 |
| 在学期间发表的论文及科研成果 | 第63-64页 |
| 致谢 | 第64页 |
