| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·个人信用评估的研究内容及研究现状 | 第7-8页 |
| ·本文的主要工作 | 第8-9页 |
| ·数据来源 | 第9-11页 |
| 第二章 支持向量机和遗传算法原理 | 第11-21页 |
| ·统计学习理论(SLT) | 第11-13页 |
| ·支持向量机(Support Vector Machine,SVM) | 第13-17页 |
| ·线性支持向量机 | 第13-16页 |
| ·非线性支持向量机 | 第16-17页 |
| ·遗传算法(Genetic Algorithm,GA) | 第17-21页 |
| ·遗传算法的基本原理 | 第17-18页 |
| ·遗传算法的基本要素及处理流程 | 第18-19页 |
| ·遗传算子 | 第19-21页 |
| 第三章 基于SVM和GA的个人信用评估 | 第21-31页 |
| ·GA要素设计 | 第21-22页 |
| ·染色体设计 | 第21页 |
| ·适应度设计 | 第21-22页 |
| ·遗传操作 | 第22页 |
| ·GA-SVM模型 | 第22-23页 |
| ·实证分析 | 第23-27页 |
| ·数据 | 第23-24页 |
| ·数据规范化 | 第24页 |
| ·GA-SVM信用评估 | 第24-27页 |
| ·与其他信用评估方法的对比研究 | 第27-31页 |
| ·K-最近邻法(K-Nearest Neighbor,K-NN) | 第27-28页 |
| ·逻辑斯蒂回归(Logistic Regression,LR) | 第28页 |
| ·分类回归树 | 第28-29页 |
| ·结果对比 | 第29-31页 |
| 第四章 支持向量机与boosting算法的综合建模 | 第31-36页 |
| ·Boosting概述 | 第31页 |
| ·AdaBoost算法描述 | 第31-32页 |
| ·AdaBoost-SVM模型 | 第32-33页 |
| ·动态AdaBoost-SVM模型 | 第33-34页 |
| ·实证分析 | 第34-36页 |
| 第五章 总结与展望 | 第36-38页 |
| ·总结 | 第36-37页 |
| ·展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 致谢 | 第42-43页 |
| 攻读学位期间的主要研究成果 | 第43页 |
