基于动态分类组合的财务欺诈识别关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·动态分类器组合的研究现状 | 第11-12页 |
| ·欺诈识别的研究现状 | 第12-14页 |
| ·论文研究内容 | 第14页 |
| ·本文的结构 | 第14-16页 |
| 第二章 基于分类技术的财务欺诈识别研究 | 第16-27页 |
| ·基于分类技术的财务欺诈识别步骤 | 第16-19页 |
| ·数据预处理 | 第16页 |
| ·特征选择 | 第16-18页 |
| ·建立分类模型 | 第18-19页 |
| ·模型的评价 | 第19页 |
| ·常用分类方法 | 第19-26页 |
| ·决策树 | 第19-21页 |
| ·神经元网络 | 第21-22页 |
| ·贝叶斯网络 | 第22-24页 |
| ·遗传算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于粗糙集理论的决策树构造方法 | 第27-38页 |
| ·粗糙集理论概述 | 第27-30页 |
| ·决策树分类算法的改进 | 第30-34页 |
| ·属性重要度求解 | 第30-32页 |
| ·Failnode-prune剪枝策略 | 第32-34页 |
| ·基于粗糙集理论的决策树构造方法S_D_Tree | 第34-35页 |
| ·算法的基本框架 | 第34-35页 |
| ·算法的具体描述 | 第35页 |
| ·算法性能验证及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于聚类划分的动态组合分类方法 | 第38-48页 |
| ·动态分类组合技术介绍 | 第38-39页 |
| ·动态分类组合概述 | 第38页 |
| ·动态分类组合的基本框架 | 第38-39页 |
| ·基于聚类划分的动态组合分类方法 | 第39-45页 |
| ·聚类技术的引入 | 第39-42页 |
| ·多分类器动态组合 | 第42-43页 |
| ·基于聚类划分的动态组合分类方法的基本框架 | 第43-44页 |
| ·DCC-CD算法描述 | 第44-45页 |
| ·实验性能验证及分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 DCC-CD方法在财务欺诈识别上的应用 | 第48-56页 |
| ·数据预处理 | 第48-49页 |
| ·基于遗传算法的特征选择方法 | 第49-52页 |
| ·分辨矩阵和核的求解 | 第49页 |
| ·适应度函数的确定 | 第49-50页 |
| ·算法描述 | 第50-52页 |
| ·财务欺诈识别模型的基本框架 | 第52-54页 |
| ·实验验证及性能分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 财务欺诈识别原型系统的设计与实现 | 第56-66页 |
| ·系统运行环境 | 第56页 |
| ·面向对象、UML、设计模式 | 第56-57页 |
| ·系统的功能结构 | 第57-60页 |
| ·核心类的设计及系统实现 | 第60-65页 |
| ·属性重要度基本类的设计 | 第60-61页 |
| ·基于粗糙集理论的决策树节点划分基本类的设计 | 第61-62页 |
| ·基于遗传算法的特征选择基本类的设计 | 第62-63页 |
| ·动态选择性组合基本类的设计 | 第63-64页 |
| ·系统实现部分 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 结论与展望 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·进一步研究工作 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录1:读研期间发表和录用论文目录 | 第72-73页 |
| 附录2:读研期间主持与参与项目目录 | 第73页 |
