基于信息融合的信用风险评估研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第6-10页 |
| ·信用评估的研究背景和意义 | 第6页 |
| ·国内外研究现状 | 第6-7页 |
| ·信用评估的常用方法介绍 | 第7-8页 |
| ·本文内容及结构安排 | 第8-10页 |
| 第二章 支持向量机与信息融合 | 第10-22页 |
| ·统计学习理论 | 第10-11页 |
| ·VC维和结构风险最小化原则 | 第10页 |
| ·学习过程的一致性条件 | 第10-11页 |
| ·支持向量机 | 第11-15页 |
| ·最优分类超平面 | 第12页 |
| ·线性可分支持向量机 | 第12-14页 |
| ·非线性支持向量机 | 第14-15页 |
| ·融合算法 | 第15-18页 |
| ·融合算法的背景 | 第15-16页 |
| ·多分类器组合结构 | 第16-18页 |
| ·不同输出层上的信息融合 | 第18-20页 |
| ·输出为抽象层的多分类融合 | 第18-19页 |
| ·输出为排序层及度量层的多分类器融合 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于SVM-KNN的信用风险评估模型 | 第22-36页 |
| ·k-最近邻判别分析法 | 第22-24页 |
| ·KNN算法的基本原理 | 第22-23页 |
| ·KNN算法的评价 | 第23-24页 |
| ·SVM-KNN算法 | 第24-28页 |
| ·SVM和KNN的联系与不同 | 第25-27页 |
| ·SVM-KNN算法的构造 | 第27-28页 |
| ·数据的采集和预处理 | 第28-34页 |
| ·数据采集 | 第29-30页 |
| ·数据预处理 | 第30-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 总结与展望 | 第36-38页 |
| ·总结 | 第36-37页 |
| ·展望 | 第37-38页 |
| 致谢 | 第38-40页 |
| 参考文献 | 第40-44页 |
| 在读期间的研究成果 | 第44页 |
| 在读期间参加的科研项目 | 第44-45页 |
