| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 一、绪论 | 第9-15页 |
| (一) 选题背景 | 第9-10页 |
| (二) 选题意义 | 第10-13页 |
| 1. 理论意义 | 第10-12页 |
| 2. 实践意义 | 第12-13页 |
| (三) 研究思路和方法 | 第13-15页 |
| 1. 研究思路 | 第13页 |
| 2. 研究方法 | 第13-15页 |
| 二、文献综述 | 第15-25页 |
| (一) 非平衡数据集的分类预警问题 | 第15-16页 |
| (二) 案例推理及其性能研究 | 第16-19页 |
| 1. 属性选择及权重 | 第17-18页 |
| 2. 样本案例选择 | 第18页 |
| 3. 近邻值选择 | 第18页 |
| 4. 同时优化多个因素 | 第18-19页 |
| (三) 聚类算法在案例推理中的应用 | 第19-20页 |
| 1. 为案例库建立索引 | 第19页 |
| 2. 基于聚类改进的案例推理 | 第19-20页 |
| 3. 应用于案例库的维护 | 第20页 |
| (四) 企业失败预警方法综述 | 第20-25页 |
| 1. 传统统计方法 | 第20-21页 |
| 2. 人工智能方法 | 第21-25页 |
| 三、属性选取和属性规范化方法研究 | 第25-39页 |
| (一) 初始特征属性 | 第25-26页 |
| (二) 属性选取 | 第26-30页 |
| (三) 属性规范化方法研究 | 第30-39页 |
| 1.属性规范化方法介绍 | 第31-32页 |
| 2. 规范化研究数据集统计信息 | 第32-35页 |
| 3. 属性规范化方法应用结果对比及分析 | 第35-39页 |
| 四、聚类案例推理基本原理 | 第39-43页 |
| (一) CCBR方法中案例类的生成 | 第39页 |
| (二) 聚类数目的确定 | 第39-41页 |
| (三) CCBR中的案例类检索、案例检索和预警 | 第41-43页 |
| 五、聚类案例推理与常见预警方法的性能对比及应用 | 第43-51页 |
| (一) 初始案例库 | 第43页 |
| (二) 属性规范化处理 | 第43-44页 |
| (三) 性能评估指标 | 第44-45页 |
| (四) CCBR与CBR的性能对比及分析 | 第45-46页 |
| (五) CCBR与SVM、LOGIT、MDA性能对比及分析 | 第46-48页 |
| (六) CCBR在企业失败预警上的应用 | 第48-51页 |
| 六、总结及研究展望 | 第51-53页 |
| (一) 总结 | 第51页 |
| (二) 研究展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |