| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10页 |
| 1.4 研究方法 | 第10-12页 |
| 第2章 银行个人信用等级评估 | 第12-17页 |
| 2.1 个人信用概念 | 第12-13页 |
| 2.1.1 个人信用 | 第12页 |
| 2.1.2 个人信用等级 | 第12-13页 |
| 2.2 银行个人信用等级特点 | 第13-14页 |
| 2.2.1 个人信用等级形式 | 第13-14页 |
| 2.2.2 个人信用影响因素 | 第14页 |
| 2.3 个人信用等级评估存在的问题 | 第14-15页 |
| 2.3.1 评估效率有待提高 | 第14-15页 |
| 2.3.2 主观性多于客观性 | 第15页 |
| 2.3.3 实践操作落后于技术理论 | 第15页 |
| 2.4 小结 | 第15-17页 |
| 第3章 支持向量机理论及方法研究 | 第17-24页 |
| 3.1 支持向量机的基本原理 | 第17-21页 |
| 3.1.1 支持向量机概念 | 第17页 |
| 3.1.2 支持向量机基本方法 | 第17-21页 |
| 3.2 支持向量机应在个人等级评估中的应用分析 | 第21-22页 |
| 3.2.1 支持向量机的优势 | 第21页 |
| 3.2.2 支持向量机的局限 | 第21-22页 |
| 3.3 建立PCA与SVM组合分类法 | 第22-23页 |
| 3.3.1 主成分分析法概念 | 第22页 |
| 3.3.2 主成分分析法适用性 | 第22页 |
| 3.3.3 PCA与SVM组合分类法 | 第22-23页 |
| 3.4 小结 | 第23-24页 |
| 第4章 基于PCA和混合核函数SVM的个人信用等级评估模型的研究 | 第24-39页 |
| 4.1 数据集的准备与处理 | 第24-28页 |
| 4.1.1 实验平台 | 第24页 |
| 4.1.2 数据来源 | 第24-26页 |
| 4.1.3 数据预处理 | 第26-28页 |
| 4.1.4 数据抽样 | 第28页 |
| 4.2 特征提取方法的选取 | 第28-29页 |
| 4.3 核函数的组合 | 第29-31页 |
| 4.4 组合核函数SVM参数寻优 | 第31-32页 |
| 4.5 基于改进的支持向量信用模型搭建 | 第32-35页 |
| 4.5.1 登录界面 | 第32-33页 |
| 4.5.2 服务器端界面 | 第33页 |
| 4.5.3 客户端‐数据预处理界面 | 第33-34页 |
| 4.5.4 客户端‐系统菜单栏的主要功能 | 第34页 |
| 4.5.5 客户端‐基于不同核函数界面 | 第34-35页 |
| 4.6 实验及结果分析 | 第35-38页 |
| 4.6.1 核函数的确定 | 第35页 |
| 4.6.2 核参数和惩罚系数的选取 | 第35-36页 |
| 4.6.3 核权重值的确定 | 第36-37页 |
| 4.6.4 与不同算法实验结果的对比分析 | 第37-38页 |
| 4.6.5 构建的PCA‐SVM混合模型与其他文献效果对比 | 第38页 |
| 4.7 小结 | 第38-39页 |
| 第5章 结论与展望 | 第39-41页 |
| 5.1 研究结论 | 第39页 |
| 5.2 研究展望 | 第39-41页 |
| 参考文献 | 第41-43页 |
| 后记 | 第43页 |