| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·研究目的及意义 | 第10-11页 |
| ·国内外研究现状综述 | 第11-15页 |
| ·信用评价指标体系 | 第12-13页 |
| ·信用评分的算法研究 | 第13-15页 |
| ·本文的主要工作和创新点 | 第15-16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 相关理论研究 | 第18-35页 |
| ·信用卡行为评估相关理论 | 第18-23页 |
| ·信用评估的定义及优势 | 第18-19页 |
| ·信用卡行为价值研究 | 第19-21页 |
| ·信用卡行为挖掘的应用研究 | 第21-23页 |
| ·支持向量机理论 | 第23-31页 |
| ·统计学习原理 | 第23-26页 |
| ·支持向量机 | 第26-28页 |
| ·核函数的研究 | 第28页 |
| ·多类支持向量机 | 第28-31页 |
| ·遗传算法研究 | 第31-34页 |
| ·确定参数编码方案 | 第31-32页 |
| ·初始群体设定 | 第32页 |
| ·适应度函数设计 | 第32页 |
| ·遗传算子设计 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于遗传算法和多类支持向量机的信用卡行为评估模型研究 | 第35-44页 |
| ·信用卡行为评估模型框架体系的研究 | 第35-36页 |
| ·信用卡行为评估模型的指标体系构建 | 第36-41页 |
| ·信用卡评估指标体系建立的原则 | 第36-37页 |
| ·信用卡行为评估指标体系的构建 | 第37-41页 |
| ·模型的关键技术 | 第41-43页 |
| ·基于GA的特征选择算法 | 第41-42页 |
| ·多类支持向量机的增量学习技术 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于遗传算法和多类支持向量机的增量学习算法(GA-IMSVM) | 第44-58页 |
| ·基于遗传算法和多类支持向量机的特征选择算法 | 第45-49页 |
| ·多类支持向量机的参数选择 | 第46-47页 |
| ·基于遗传算法的特征选择 | 第47-48页 |
| ·特征选择算法描述 | 第48-49页 |
| ·多类支持向量机 | 第49-57页 |
| ·基于二叉树的支持向量机的多分类算法研究(BTMSVM) | 第50-55页 |
| ·基于二叉树的支持增量学习的多分类算法研究(BTMISVM) | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 模型的实现及应用 | 第58-71页 |
| ·数据来源 | 第58-59页 |
| ·数据准备 | 第59-63页 |
| ·数据预处理 | 第59-61页 |
| ·指标数据的标准化处理 | 第61-63页 |
| ·测试与结果分析 | 第63-69页 |
| ·M-SVM模型参数C与σ参数的测试与分析 | 第64-65页 |
| ·多类支持向量机算法的实验结果分析 | 第65-67页 |
| ·GMBSM模型测试与分析 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第六章 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 附录攻读硕士期间发表的论文 | 第77-78页 |
| 后记 | 第78-79页 |
