首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于模糊动态支持向量机集成方法的商业银行信用风险评估

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-22页
    1.1 课题来源及研究意义第9-12页
        1.1.1 研究背景及问题的提出第9-10页
        1.1.2 课题研究意义第10-12页
    1.2 国内外研究现状第12-19页
        1.2.1 国外信用风险评估研究现状第12-16页
        1.2.2 国内信用风险评估研究现状第16-17页
        1.2.3 国内外信用风险评估研究综述第17-19页
    1.3 研究内容第19-22页
第2章 商业银行信用风险评估理论知识第22-34页
    2.1 商业银行信用风险评估概述第22-24页
        2.1.1 信用风险的定义第22-23页
        2.1.2 商业银行信用风险第23-24页
    2.2 信用风险评估管理概述第24-27页
        2.2.1 我国信用风险管理阶段第24-25页
        2.2.2 我国商业银行信用风险管理方法第25-26页
        2.2.3 中外商业银行信用风险管理比较第26-27页
    2.3 支持向量机SVM理论基础第27-32页
        2.3.1 统计学习理论(SLT)第27-28页
        2.3.2 支持向量机(SVM)算法第28-31页
        2.3.3 支持向量机(SVM)核函数第31-32页
    2.4 信用风险评估方法的选择和比较第32-33页
    2.5 本章小结第33-34页
第3章 商业银行信用风险评估指标体系研究第34-41页
    3.1 指标体系设计原则第34-35页
    3.2 贷款企业财务风险的分析第35-37页
        3.2.1 偿债能力分析第35-36页
        3.2.2 盈利能力分析第36页
        3.2.3 营运能力分析第36-37页
        3.2.4 增长能力分析第37页
    3.3 贷款企业非财务风险的分析第37-39页
    3.4 信用风险评估指标体系构建第39-40页
    3.5 本章小结第40-41页
第4章 模糊动态SVM集成的商业银行信用风险评估模型第41-52页
    4.1 问题的描述第41页
    4.2 基于模糊动态SVM集成信用风险评估模型第41-50页
        4.2.1 SVM子分类器模糊动态的改进第41-45页
        4.2.2 SVM子分类器的集成第45-46页
        4.2.3 模糊动态SVM集成模型的构建第46-50页
    4.3 本章小结第50-52页
第5章 模糊动态SVM集成模型实例验证第52-63页
    5.1 数据收集与预处理第52-57页
        5.1.1 数据稳健性处理第52页
        5.1.2 归一化处理数据和因子分析第52-57页
    5.2 模型的实验设计及评价第57-62页
        5.2.1 参数的设定第57-58页
        5.2.2 模型试验结果与评价第58-62页
    5.3 本章小结第62-63页
结论第63-65页
参考文献第65-70页
附录第70-75页
致谢第75-76页

论文共76页,点击 下载论文
上一篇:大直径对接管焊接机器人的研究
下一篇:轮足混合式机器人运动规划与控制研究