基于差异性度量的多分类器融合个人信用评估研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 多分类器融合基本概念 | 第11-13页 |
| 1.2.2 多分类器融合基本理论 | 第13-14页 |
| 1.2.3 多分类器融合与差异性度量 | 第14-16页 |
| 1.2.4 多分类器融合与个人信用评估 | 第16-18页 |
| 1.2.5 研究现状评述 | 第18-19页 |
| 1.3 论文研究主要内容 | 第19-21页 |
| 第2章 基于差异性度量的证据理论融合模型设计 | 第21-36页 |
| 2.1 证据理论融合模型构建 | 第21-25页 |
| 2.1.1 证据理论的提出 | 第21-22页 |
| 2.1.2 证据理论基础 | 第22-23页 |
| 2.1.3 证据理论多分类融合 | 第23-25页 |
| 2.2 差异性度量方法 | 第25-29页 |
| 2.2.1 成对差异性度量 | 第25-27页 |
| 2.2.2 非成对差异性度量 | 第27-29页 |
| 2.3 融合思路设计 | 第29-35页 |
| 2.3.1 基于差异性度量单一分类器融合 | 第29-32页 |
| 2.3.2 基于差异性度量集成分类器融合 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于差异性度量单一分类器融合实验 | 第36-54页 |
| 3.1 单一分类器构建 | 第36-45页 |
| 3.1.1 样本数据及指标选择 | 第36-38页 |
| 3.1.2 单一分类器应用及比较 | 第38-45页 |
| 3.2 单一分类器的差异性度量 | 第45-48页 |
| 3.2.1 差异性度量 | 第45-47页 |
| 3.2.2 基于Borda投票的差异性度量 | 第47-48页 |
| 3.3 差异性度量单一分类器融合应用 | 第48-50页 |
| 3.4 基于准确率及稳健性的模型修正 | 第50-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 基于差异性度量的集成分类器融合实验 | 第54-65页 |
| 4.1 基于集成学习个人信用评估的应用 | 第54-59页 |
| 4.1.1 Bagging算法 | 第54-56页 |
| 4.1.2 Boosting算法 | 第56-59页 |
| 4.2 集成学习分类器的差异性度量 | 第59-61页 |
| 4.3 差异性度量集成分类器融合应用 | 第61-64页 |
| 4.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |
