| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题提出和研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国外研究现状 | 第11-14页 |
| ·国内研究现状 | 第14-15页 |
| ·研究方法 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第二章 财务困境预测相关理论 | 第17-22页 |
| ·财务困境的概念 | 第17-18页 |
| ·相关预测模型的研究 | 第18-21页 |
| ·多元判别分析法 | 第18-19页 |
| ·Logistic回归分析法 | 第19-20页 |
| ·神经网络模型 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 支持向量机与特征选择算法 | 第22-32页 |
| ·支持向量机基本理论 | 第22-26页 |
| ·最优分类超平面 | 第22页 |
| ·支持向量机理论 | 第22-26页 |
| ·特征选择算法 | 第26-31页 |
| ·特征选择概述 | 第26-27页 |
| ·ICA算法 | 第27-29页 |
| ·ICA特征选择算法 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第四章 财务困境预测模型实证研究 | 第32-52页 |
| ·数据样本 | 第32-35页 |
| ·数据样本的统计分析 | 第35-41页 |
| ·Kolmogorov-Smimov适应性检验 | 第35-38页 |
| ·Mann-Whitney U检验 | 第38-40页 |
| ·KMO(Kaiser-Meyer-Olkin)因子分析 | 第40-41页 |
| ·财务困境预测模型实证分析 | 第41-45页 |
| ·ICA-SVM预测模型 | 第42-43页 |
| ·GA-SVM预测模型 | 第43-45页 |
| ·非平衡数据样本分类处理 | 第45-48页 |
| ·实验结果分析 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第五章 结论与发展展望 | 第52-54页 |
| ·研究结论 | 第52页 |
| ·发展展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59页 |