| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 问题的提出 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 国内外单一模型研究现状 | 第9-12页 |
| 1.2.2 国内外两阶段模型研究现状 | 第12-13页 |
| 1.3 国内外研究成果评述 | 第13-14页 |
| 1.4. 研究方法及研究内容 | 第14-17页 |
| 1.4.1 论文研究的主要方法 | 第14-15页 |
| 1.4.2 论文的研究内容 | 第15-17页 |
| 第2章 ART 网络在个人信用评估中的应用 | 第17-32页 |
| 2.1 ART 神经网络基本原理及运算法则 | 第17-21页 |
| 2.1.1 ART 神经网络的基本原理 | 第17-19页 |
| 2.1.2 ART 神经网络运算法则 | 第19-21页 |
| 2.2 ART 神经网络及适用性分析 | 第21-25页 |
| 2.2.1 ART 模型及特点 | 第21-23页 |
| 2.2.2 ART 在个人信用评估中的适用性分析 | 第23-25页 |
| 2.3 ART 模型应用及结果分析 | 第25-30页 |
| 2.3.1 模型的训练及软件实现过程 | 第25-27页 |
| 2.3.2 ART 神经网络模型应用及结果分析 | 第27-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 ART 模型应用结果及局限性分析 | 第32-46页 |
| 3.1 常用的单一模型及其应用结果 | 第32-41页 |
| 3.1.1 BP 神经网络及其应用结果 | 第32-33页 |
| 3.1.2 线性回归模型及其应用结果 | 第33-38页 |
| 3.1.3 logistic 回归模型应用及结果分析 | 第38-41页 |
| 3.2 ART 模型与单一模型分类结果比较 | 第41-44页 |
| 3.3 ART 神经网络模型优势及局限性分析 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 FUZZY SET-ART 的两阶段模型构建 | 第46-61页 |
| 4.1 属性约减方法选择 | 第46-49页 |
| 4.1.1 属性约减的必要性 | 第46-47页 |
| 4.1.2 Fuzzy set 对属性约减的适用性分析 | 第47-49页 |
| 4.2 基于 FUZZY SET 的属性约减 | 第49-55页 |
| 4.2.1 个人信用评估指标属性分析 | 第49-51页 |
| 4.2.2 基于 Fuzzy set 的属性约减模型 | 第51-55页 |
| 4.3 Fuzzy set-ART 两阶段模型的构建与应用 | 第55-59页 |
| 4.3.1 Fuzzy set-ART 两阶段模型的构建 | 第55-56页 |
| 4.3.2 Fuzzy set-ART 两阶段模型的实现 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第5章 FUZZY SET-ART 两阶段模型的应用与比较 | 第61-71页 |
| 5.1 Fuzzy set-ART 两阶段模型运行结果 | 第61-66页 |
| 5.1.1 基于 Fuzzy set 样本约减及结果分析 | 第61-63页 |
| 5.1.2 Fuzzy se-ART 两阶段模型的应用及分类结果分析 | 第63-66页 |
| 5.2 Fuzzy set-ART 两阶段模型与单一 ART 模型对比 | 第66-68页 |
| 5.3 Fuzzy set-ART 模型的优势分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 附录 | 第78-94页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第94-96页 |
| 致谢 | 第96页 |
