基于不平衡数据的银行破产分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论和背景介绍 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究对象 | 第11页 |
| ·研究思路 | 第11-13页 |
| ·本论文的工作 | 第13-14页 |
| 第二章 银行破产问题研究现状及研究思路 | 第14-29页 |
| ·银行破产问题的研究现状 | 第14-16页 |
| ·不平衡分类问题的研究现状 | 第16-23页 |
| ·评价准则 | 第23-25页 |
| ·g-means | 第24页 |
| ·F-value | 第24-25页 |
| ·从问题到解决方法 | 第25-28页 |
| ·不平衡数据集研究的挑战 | 第25页 |
| ·不平衡数据集学习的困境 | 第25-27页 |
| ·解决问题思路 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 SVM 算法与不平衡数据学习 | 第29-39页 |
| ·SRM 原则 | 第29-31页 |
| ·SVM 算法介绍及其优点 | 第31-34页 |
| ·SVM 算法介绍 | 第31-34页 |
| ·SVM 的优点 | 第34页 |
| ·SVM 算法与不平衡数据学习 | 第34-38页 |
| ·SVM 的“有偏性” | 第35页 |
| ·SVM 对不平衡数据学习的策略 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 银行数据处理及试验结果分析 | 第39-52页 |
| ·本文数据的具体处理方法介绍 | 第39-49页 |
| ·实验准备 | 第39-41页 |
| ·银行数据指标的选定及转化 | 第41-42页 |
| ·数据的预处理 | 第42-45页 |
| ·代价敏感的 SVM 综合方法 | 第45-48页 |
| ·实验寻优方式 | 第48-49页 |
| ·银行破产问题实验 | 第49页 |
| ·分类结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 结论和展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 附件 | 第59页 |
