核极限学习机在车险索赔次数预测中的应用研究
内容摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 导论 | 第10-21页 |
1.1 选题背景及意义 | 第10-13页 |
1.1.1 选题背景 | 第10-12页 |
1.1.2 选题意义 | 第12-13页 |
1.2 国内外研究综述 | 第13-16页 |
1.2.1 关于广义线性模型国内外研究综述 | 第13-14页 |
1.2.2 关于人工神经网络国内外研究综述 | 第14-15页 |
1.2.3 关于核极限学习机国内外研究综述 | 第15-16页 |
1.3 研究内容与方法 | 第16-19页 |
1.4 本文的创新与不足 | 第19-21页 |
1.4.1 创新点 | 第19页 |
1.4.2 存在的不足 | 第19-21页 |
第2章 车险索赔次数预测概述 | 第21-30页 |
2.1 车险分析的风险因子 | 第21-24页 |
2.1.1 车辆风险因素 | 第21-22页 |
2.1.2 环境风险因素 | 第22-23页 |
2.1.3 驾驶员风险因素 | 第23-24页 |
2.2 传统的车险索赔次数预测模型 | 第24-28页 |
2.2.1 线性回归模型 | 第24-25页 |
2.2.2 广义线性模型 | 第25-27页 |
2.2.3 人工神经网络模型 | 第27-28页 |
2.3 本章小结 | 第28-30页 |
第3章 基于核极限学习机的车险索赔次数预测模型 | 第30-41页 |
3.1 极限学习机算法 | 第30-32页 |
3.2 核极限学习机算法 | 第32-37页 |
3.2.1 基本原理 | 第32-34页 |
3.2.2 参数选择 | 第34-37页 |
3.3 量子粒子群寻优算法 | 第37-40页 |
3.3.1 基本原理 | 第37-39页 |
3.3.2 训练过程 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第4章 实证分析 | 第41-54页 |
4.1 数据说明及处理 | 第42-45页 |
4.1.1 数据来源及说明 | 第42-43页 |
4.1.2 数据预处理 | 第43-45页 |
4.2 模型构建 | 第45-53页 |
4.2.1 广义线性模型建模 | 第45-47页 |
4.2.2 基于量子粒子群的核极限学习机建模 | 第47-49页 |
4.2.3 不同模型的比较结果分析 | 第49-53页 |
4.3 本章小结 | 第53-54页 |
第5章 结论与展望 | 第54-57页 |
5.1 论文的主要结论 | 第54-55页 |
5.2 工作展望 | 第55-57页 |
参考文献 | 第57-61页 |
后记 | 第61页 |