基于行业风险系数的科技型中小企业风险评估模型的研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 风险评估的研究现状及难点 | 第12-14页 |
| 1.2.1 国外研究状况 | 第12-13页 |
| 1.2.2 国内研究状况 | 第13-14页 |
| 1.2.3 SMEST风险评估的难点 | 第14页 |
| 1.3 本文的主要工作 | 第14-17页 |
| 1.3.1 本文研究的内容 | 第14-15页 |
| 1.3.2 本文的研究方法和创新点 | 第15页 |
| 1.3.3 本文的内容安排 | 第15-17页 |
| 第2章 SMEST风险评估因子集 | 第17-26页 |
| 2.1 SMEST简介 | 第17-20页 |
| 2.1.1 SMEST的界定 | 第17-18页 |
| 2.1.2 SMEST的特点以及发展状况 | 第18-20页 |
| 2.2 SMEST的信用评估因子集 | 第20-24页 |
| 2.2.1 信用风险及信用评价简介 | 第20-21页 |
| 2.2.2 SMEST的信用评估因子集 | 第21-24页 |
| 2.3 小结 | 第24-26页 |
| 第3章 SMEST风险评估模型概述 | 第26-33页 |
| 3.1 引言 | 第26页 |
| 3.2 解释结构模型（ISM模型） | 第26-27页 |
| 3.2.1 ISM概念 | 第26-27页 |
| 3.2.2 ISM模型生成过程 | 第27页 |
| 3.3 机器学习 | 第27-28页 |
| 3.3.1 机器学习的定义 | 第27页 |
| 3.3.2 机器学习中经典的分类算法 | 第27-28页 |
| 3.4 基于机器学习的风险评估模型 | 第28-32页 |
| 3.4.1 决策树模型 | 第28-30页 |
| 3.4.2 神经网络模型 | 第30-31页 |
| 3.4.3 朴素贝叶斯模型 | 第31-32页 |
| 3.5 小结 | 第32-33页 |
| 第4章 基于行业风险系数的SMEST风险评估模型 | 第33-44页 |
| 4.1 引言 | 第33页 |
| 4.2 SMEST的信用评价因子集的优化与确定 | 第33-40页 |
| 4.2.1 SMEST发展因素的ISM模型 | 第33-36页 |
| 4.2.2 新因子——行业风险系数的引入 | 第36-40页 |
| 4.3 基于全局互信息的SMEST的风险评估模型 | 第40-43页 |
| 4.3.1 互信息简介 | 第40-41页 |
| 4.3.2 冗余度 | 第41页 |
| 4.3.3 基于MI的决策树 | 第41-43页 |
| 4.4 小结 | 第43-44页 |
| 第5章 实验分析 | 第44-53页 |
| 5.1 引言 | 第44页 |
| 5.2 实验平台及工具 | 第44页 |
| 5.3 实验过程 | 第44-47页 |
| 5.3.1 实验数据采集 | 第44-45页 |
| 5.3.2 数据预处理 | 第45-46页 |
| 5.3.3 实验方法 | 第46-47页 |
| 5.4 试验结果与分析 | 第47-52页 |
| 5.4.1 实验结果 | 第47-51页 |
| 5.4.2 实验分析 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 未来展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 作者简介及在学期间所获得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
