| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 一、绪论 | 第9-18页 |
| (一) 研究的背景及意义 | 第9-11页 |
| 1. 研究的背景 | 第9-10页 |
| 2. 研究的目的和意义 | 第10-11页 |
| (二) 研究现状 | 第11-16页 |
| 1. 上市公司信用风险预测的研究现状 | 第11-15页 |
| 2. 旅游行业财务危机预测的研究现状 | 第15-16页 |
| (三) 本文各章节的安排 | 第16-17页 |
| (四) 研究方法及技术路线 | 第17-18页 |
| 1. 研究方法 | 第17页 |
| 2. 技术路线 | 第17-18页 |
| 二、企业信用风险的相关理论 | 第18-22页 |
| (一) 企业信用风险的相关理论 | 第18-20页 |
| 1. 企业信用的界定 | 第18页 |
| 2. 企业信用风险形成机制 | 第18-19页 |
| 3. 企业信用风险的特点 | 第19-20页 |
| 4. 企业信用风险的分类 | 第20页 |
| (二) 影响我国旅游上市公司信用风险的因素 | 第20-22页 |
| 三、不均衡数据集和流形学习的相关理论及研究 | 第22-31页 |
| (一) 不均衡数据集的相关研究 | 第22-27页 |
| 1. 不均衡数据集分类面临的问题 | 第22页 |
| 2. 不均衡数据集分类的解决策略 | 第22-23页 |
| 3. SMOTE采样方法 | 第23-24页 |
| 4. 改进算法Random-sampling | 第24-27页 |
| (二) 流形学习的相关理论及研究 | 第27-31页 |
| 1. 流形学习中的ISOMAP算法 | 第28-29页 |
| 2. 流形学习中的LLE算法 | 第29-30页 |
| 3. 结合ISOMAP和LLE算法的降维过程 | 第30-31页 |
| 四、基于R-S和流形学习的旅游上市公司信用风险预测 | 第31-47页 |
| (一) 样本和指标的选取 | 第31-33页 |
| 1. 样本的选取 | 第31-32页 |
| 2. 指标的选取 | 第32-33页 |
| (二) 实验方案设计 | 第33-34页 |
| (三) 样本的预处理和正态性检验 | 第34-38页 |
| (四) 流形学习处理数据集 | 第38页 |
| (五) 余1交叉验证检验数据集 | 第38-39页 |
| (六) 旅游上市公司信用风险预测的处理模型 | 第39-41页 |
| 1. MDA模型 | 第40页 |
| 2. Logistic模型和Probit模型 | 第40-41页 |
| (七) 评价标准 | 第41-42页 |
| (八) 实验结果和分析 | 第42-47页 |
| 五、比照模型-基于因子分析和Logit模型的旅游上市公司信用风险预测 | 第47-52页 |
| (一) 因子分析 | 第47-49页 |
| (二) Logit回归 | 第49-50页 |
| (三) 实验结果与分析 | 第50-52页 |
| 六、结论 | 第52-56页 |
| (一) 主要分析结论 | 第52-53页 |
| (二) 控制我国旅游上市公司信用风险的建议 | 第53-55页 |
| (三) 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间获得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |