基于模糊算法与神经网络的高校助学贷款征信研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外文献综述 | 第13-18页 |
| ·国外研究综述 | 第13-16页 |
| ·国内研究综述 | 第16-18页 |
| ·论文的内容框架、研究方法及创新 | 第18-21页 |
| ·研究内容 | 第18-19页 |
| ·研究框架 | 第19页 |
| ·研究方法 | 第19-20页 |
| ·本文的研究创新点 | 第20页 |
| ·本文研究的不足 | 第20-21页 |
| 第2章 高校助学贷款征信模型理论分析与技术分析 | 第21-26页 |
| ·信息不对称理论 | 第21页 |
| ·信息共享理论 | 第21-22页 |
| ·博弈论 | 第22页 |
| ·征信模型相关技术分析 | 第22-26页 |
| ·改进的多层次分析法IAHP | 第22-23页 |
| ·模糊综合评判算法FUZZY | 第23-24页 |
| ·BP 神经网络模型NNT | 第24-26页 |
| 第3章 高校助学贷款现实考察与分析 | 第26-33页 |
| ·我国高校助学贷款的现实考察与分析 | 第26-30页 |
| ·我国高校助学贷款现状考察 | 第26-27页 |
| ·我国高校助学贷款现状分析 | 第27-30页 |
| ·湖南省高校助学贷款的现实考察与分析 | 第30-33页 |
| ·湖南省高校助学贷款问卷调查 | 第30-31页 |
| ·湖南省高校助学贷款现状分析 | 第31-33页 |
| 第4章 模糊综合信用评级模型的构建与应用 | 第33-42页 |
| ·信用评级模型指标体系构建 | 第33-35页 |
| ·基于模糊评判算法的大学生信用评级模型的构建 | 第35-40页 |
| ·构建信用评级模型因素集 | 第35-36页 |
| ·构建模型指标的权重集 | 第36-38页 |
| ·构建评价集与隶属度函数 | 第38页 |
| ·构建模糊算法综合评判矩阵 | 第38-39页 |
| ·模型简单应用：单样本信用评级 | 第39-40页 |
| ·信用评级模型的应用：以湖南省四所高校为例 | 第40-42页 |
| 第5章 动态信用追踪评级模型的构建与应用 | 第42-53页 |
| ·动态追踪模型指标体系构建 | 第43-44页 |
| ·基于BP 神经网络的动态信用追踪模型构建 | 第44-45页 |
| ·动态信用追踪模型训练 | 第45-48页 |
| ·模型训练步骤 | 第45-47页 |
| ·LM 训练结果 | 第47页 |
| ·贝叶斯训练结果 | 第47-48页 |
| ·动量梯度训练结果 | 第48页 |
| ·动态信用追踪模型仿真 | 第48-50页 |
| ·LM 仿真结果 | 第49页 |
| ·贝叶斯仿真结果 | 第49-50页 |
| ·动量梯度仿真结果 | 第50页 |
| ·BP 神经网络模型的应用：以网络调查问卷为例 | 第50-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第58-59页 |
| 附录B 论文相关程序与数据 | 第59-69页 |
