基于混合型专家系统的企业信用评估研究
| 前言 | 第1-8页 |
| 第一章 信用评价综述 | 第8-15页 |
| 1．1 信用、信用风险及信用评价 | 第8页 |
| 1．2 国内外信用评价的历史、发展、现状 | 第8-9页 |
| 1．3 企业信用评价体系 | 第9-11页 |
| 1．4 企业信用评价模型 | 第11-15页 |
| 1．4．1 财务比率分析模型 | 第11页 |
| 1．4．2 传统统计模型 | 第11-13页 |
| 1．4．3 人工智能模型 | 第13-15页 |
| 第二章 人工智能技术 | 第15-27页 |
| 2．1 人工智能概述 | 第15-16页 |
| 2．2 专家系统 | 第16-21页 |
| 2．2．1 专家系统的结构与专家系统原型 | 第17-18页 |
| 2．2．2 产生式知识表示法 | 第18-19页 |
| 2．2．3 知识库 | 第19-20页 |
| 2．2．4 推理机制 | 第20页 |
| 2．2．5 解释机制与解释器 | 第20-21页 |
| 2．3 人工神经网络 | 第21-24页 |
| 2．3．1 人工神经网络概述 | 第21-22页 |
| 2．3．2 BP神经网络结构及其学习算法 | 第22-24页 |
| 2．4 混合型专家系统 | 第24-27页 |
| 2．4．1 神经网络和专家系统结合的必要性 | 第24页 |
| 2．4．2 神经网络子功能块 | 第24-25页 |
| 2．4．3 混合型专家系统的一般框架 | 第25-26页 |
| 2．4．4 混合型专家系统的设计步骤 | 第26-27页 |
| 第三章 混合型专家系统信用评价模型 | 第27-45页 |
| 3．1 样本选择与处理 | 第27-33页 |
| 3．1．1 样本总体概述及预处理 | 第27-29页 |
| 3．1．2 模式的划分与财务比率选择 | 第29-32页 |
| 3．1．3 财务比率的意义 | 第32-33页 |
| 3．2 信用评价混合型专家系统框架 | 第33-34页 |
| 3．3 专家系统构建 | 第34-44页 |
| 3．3．1 知识库的构建 | 第34-39页 |
| 3．3．1．1 变量表 | 第35-36页 |
| 3．3．1．2 事实表 | 第36页 |
| 3．3．1．3 规则表 | 第36-37页 |
| 3．3．1．4 例子 | 第37-39页 |
| 3．3．2 推理机的构建 | 第39-40页 |
| 3．3．3 基于事实的自动解释器的构建 | 第40-44页 |
| 3．4 混合型专家系统评级性能 | 第44-45页 |
| 第四章 面向对象方法建造专家系统部分 | 第45-54页 |
| 4．1 面向对象技术与专家系统 | 第45-46页 |
| 4．1．1 面向对象的基本概念 | 第45-46页 |
| 4．1．2 面向对象方法适用于建造专家系统 | 第46页 |
| 4．2 针对专家系统的面向对象分析和面向对象设计 | 第46-50页 |
| 4．2．1 对象模型 | 第47-48页 |
| 4．2．2 功能模型 | 第48-50页 |
| 4．3 面向对象专家系统的可视化实现 | 第50-54页 |
| 4．3．1 C++Builder编程工具的特点 | 第50页 |
| 4．3．2 类的实现 | 第50-52页 |
| 4．3．3 推理的实现 | 第52-54页 |
| 第五章 系统的整体实现和主要功能介绍 | 第54-60页 |
| 5．1 系统的整体结构 | 第54-55页 |
| 5．2 主要功能模块介绍 | 第55-59页 |
| 5．3 系统特点 | 第59-60页 |
| 第六章 结束语 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
