| 第一章 绪论 | 第1-27页 |
| ·消费信贷 | 第9-11页 |
| ·个人信用评估及其现状 | 第11-14页 |
| ·个人信用评估方法 | 第14-23页 |
| ·选题背景及意义 | 第23-24页 |
| ·论文的研究内容和组织结构 | 第24-27页 |
| 第二章 统计学习理论和支持向量机 | 第27-43页 |
| ·机器学习 | 第27-28页 |
| ·统计学习理论 | 第28-31页 |
| ·标准支持向量分类机 | 第31-38页 |
| ·支持向量机的主要研究内容 | 第38-42页 |
| ·小结 | 第42-43页 |
| 第三章 基于不同损失的支持向量分类机及其模型参数选取 | 第43-68页 |
| ·优化理论 | 第43-45页 |
| ·基于不同损失的近似线性可分的支持向量分类机 | 第45-58页 |
| ·基于不同损失的线性不可分的支持向量分类机 | 第58-62页 |
| ·混乱矩阵、两类错误率和损失函数 | 第62-63页 |
| ·模型参数选择 | 第63-66页 |
| ·小结 | 第66-68页 |
| 第四章 个人信用评估中的数据准备问题研究 | 第68-94页 |
| ·个人信用评估的一般过程 | 第68-73页 |
| ·数据的分析与初步清洗 | 第73-75页 |
| ·数据的表示 | 第75-78页 |
| ·基于信息增益和AUC的个人信用指标选择 | 第78-85页 |
| ·个人信用指标选择的数值实验 | 第85-89页 |
| ·一种新的数据缺失值填补方法—KNNMI | 第89-91页 |
| ·KNNMI的数值实验 | 第91-93页 |
| ·小结 | 第93-94页 |
| 第五章 基于支持向量分类的个人信用评估模型 | 第94-108页 |
| ·基于支持向量机的个人信用评估体系 | 第94-96页 |
| ·基于C-SVC的个人信用评估模型 | 第96页 |
| ·基于C-SVC的个人信用评估数值实验 | 第96-101页 |
| ·基于C-SVC个人信用评估模型的改进—NN-C-SVC-KNN | 第101-102页 |
| ·NN-C-SVC-KNN的数值实验 | 第102-103页 |
| ·基于不同损失的SVC个人信用评估模型 | 第103-104页 |
| ·基于不同损失的SVC个人信用评估数值实验 | 第104-106页 |
| ·小结 | 第106-108页 |
| 第六章 基于不同损失的SVC个人违约概率计算模型 | 第108-125页 |
| ·C-SVC的概率输出 | 第108-113页 |
| ·基于保序回归的不同损失的SVC概率输出 | 第113-115页 |
| ·基于不同损失的SVC个人违约概率计算模型 | 第115页 |
| ·数值实验 | 第115-124页 |
| ·小结 | 第124-125页 |
| 第七章 基于支持向量回归的个人信用风险预测模型 | 第125-133页 |
| ·个人信用风险度的确立 | 第125-127页 |
| ·支持向量回归机 | 第127-131页 |
| ·基于ε-支持向量回归的个人信用风险预测 | 第131页 |
| ·数值实验 | 第131-132页 |
| ·小结 | 第132-133页 |
| 第八章 结论与展望 | 第133-137页 |
| ·论文的主要结论 | 第133-136页 |
| ·展望 | 第136-137页 |
| 参考文献 | 第137-145页 |
| 致谢 | 第145-146页 |
| 个人简介 | 第146页 |