| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 研究现状及意义 | 第9-13页 |
| 1.3 本文技术路线及章节安排 | 第13-15页 |
| 第二章 贝叶斯网络 | 第15-28页 |
| 2.1 BN结构学习 | 第16-24页 |
| 2.1.1 专家判断法 | 第16-17页 |
| 2.1.2 基于依赖分析的方法 | 第17-18页 |
| 2.1.3 评分搜索法 | 第18-24页 |
| 2.1.3.1 评分函数 | 第18-21页 |
| 2.1.3.2 搜索策略 | 第21-24页 |
| 2.1.3.3 评分搜索算法介绍 | 第24页 |
| 2.1.4 边定向方法 | 第24页 |
| 2.2 BN参数学习 | 第24-26页 |
| 2.3 BN推理方法 | 第26-28页 |
| 第三章 基于BN的客户违约风险评估系统 | 第28-43页 |
| 3.1 系统总体设计 | 第28-29页 |
| 3.2 数据预处理 | 第29-33页 |
| 3.2.1 指标选取及格式转换 | 第29-31页 |
| 3.2.2 基于粗糙集约简客户属性指标 | 第31-33页 |
| 3.3 基于最小指标集的PDBN构造及推理 | 第33-40页 |
| 3.4 系统功能设计 | 第40-43页 |
| 3.4.1 总体功能设计 | 第40-41页 |
| 3.4.2 详细功能设计 | 第41-43页 |
| 第四章 客户PDBN模型评估 | 第43-48页 |
| 4.1 基于最小指标集的PDBN推理结果评估 | 第43-44页 |
| 4.2 与神经网络模型及logistic回归模型的比较 | 第44-47页 |
| 4.3 基于损失矩阵的评估 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 附录 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |