基于支持向量机的工程项目投资风险分析方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究的意义及目的 | 第8-9页 |
| ·风险研究的现状及发展趋势 | 第9-11页 |
| ·国内外研究现状 | 第9-10页 |
| ·风险研究领域不断扩大 | 第10页 |
| ·风险分析的模型技术日益丰富 | 第10-11页 |
| ·本文的研究方法和技术路线 | 第11-13页 |
| ·论文的研究方法 | 第11-12页 |
| ·论文的创新 | 第12-13页 |
| 第2章 工程项目投资风险分析理论与方法 | 第13-36页 |
| ·工程投资项目风险 | 第13-19页 |
| ·风险 | 第13-15页 |
| ·项目风险及其分类 | 第15-16页 |
| ·工程投资项目风险特点 | 第16-17页 |
| ·工程投资项目风险来源 | 第17-18页 |
| ·工程投资项目主要风险因素 | 第18-19页 |
| ·工程项目投资风险分析的一般过程 | 第19-23页 |
| ·风险识别 | 第20-21页 |
| ·风险估计 | 第21页 |
| ·风险评价 | 第21-23页 |
| ·风险分析方法 | 第23-34页 |
| ·风险识别方法 | 第23-27页 |
| ·风险估计方法 | 第27-28页 |
| ·风险评价方法 | 第28-34页 |
| ·传统评估方法的不足与对策 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 支持向量机学习基本原理 | 第36-48页 |
| ·统计学习理论 | 第36-39页 |
| ·机器学习模型 | 第36-37页 |
| ·经验风险最小化原则 | 第37-38页 |
| ·结构化风险最小化原则 | 第38-39页 |
| ·支持向量机及其应用概述 | 第39-43页 |
| ·构造最优超平面 | 第39-41页 |
| ·支持向量机 | 第41-43页 |
| ·支持向量机的应用 | 第43页 |
| ·支持向量机学习算法 | 第43-45页 |
| ·支持向量机回归 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于支持向量机的工程项目投资风险评价 | 第48-55页 |
| ·支持向量机评价方法的提出及其意义 | 第48-49页 |
| ·基于支持向量机回归的工程项目投资风险分析方法 | 第49-53页 |
| ·基于支持向量机的工程项目投资风险计算流程 | 第49-53页 |
| ·支持向量机模型的适用性 | 第53页 |
| ·神经网络风险评价模型 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 案例分析 | 第55-70页 |
| ·高技术项目风险评价 | 第55-62页 |
| ·数据描述与评价指标的确立 | 第55-58页 |
| ·支持向量机计算参数选择 | 第58-59页 |
| ·支持向量机风险评价模型的建立 | 第59-60页 |
| ·支持向量机风险评价结果分析 | 第60-62页 |
| ·水利工程项目风险评价 | 第62-68页 |
| ·数据描述 | 第62-63页 |
| ·计算结果分析 | 第63-65页 |
| ·比较分析 | 第65-67页 |
| ·灵敏性分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75页 |
