| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 引言 | 第12-15页 |
| ·论文选题背景及意义 | 第12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文研究内容及方法 | 第13-15页 |
| 第二章 中小企业的概念及其相关内容 | 第15-22页 |
| ·中小企业的概念 | 第15-20页 |
| ·中小企业的界定 | 第15-18页 |
| ·中小企业的特征 | 第18-20页 |
| ·我国中小企业的发展现状 | 第20-22页 |
| 第三章 信用、信用风险及信用评估 | 第22-32页 |
| ·对信用的理解 | 第22页 |
| ·信用的定义 | 第22页 |
| ·企业信用的定义 | 第22页 |
| ·信用风险 | 第22-27页 |
| ·风险的概念 | 第22-23页 |
| ·商业银行的信用风险 | 第23-24页 |
| ·信用风险的成因 | 第24-26页 |
| ·中小企业信用风险来源 | 第26页 |
| ·中小企业获得银行贷款的关键环节——信用风险评估 | 第26-27页 |
| ·商业银行信用风险评估 | 第27-32页 |
| ·银行业信用风险管理概述 | 第27-28页 |
| ·信用风险评估方法 | 第28-30页 |
| ·信用风险评估模型概述 | 第30-32页 |
| 第四章 粗糙集理论与人工神经网络技术 | 第32-42页 |
| ·粗糙集理论 | 第32-37页 |
| ·粗糙集理论的研究对象 | 第32-33页 |
| ·粗糙集的基本概念 | 第33-34页 |
| ·知识约简 | 第34-36页 |
| ·粗糙集与其他软计算方法的结合 | 第36-37页 |
| ·人工神经网络技术 | 第37-41页 |
| ·生物神经元 | 第37-38页 |
| ·人工神经元 | 第38页 |
| ·人工神经网络模型结构 | 第38-39页 |
| ·多层前馈神经网络(BP神经网络) | 第39页 |
| ·BP神经网络结构 | 第39-41页 |
| ·神经网络技术在金融领域的应用 | 第41页 |
| ·粗糙集与神经网络结合的优势 | 第41-42页 |
| 第五章 基于粗糙集的中小企业信用评估体系 | 第42-60页 |
| ·中小企业信用风险指标的识别 | 第42-48页 |
| ·信用要素 | 第42-44页 |
| ·指标参数的识别 | 第44-48页 |
| ·将粗糙集属性约简算法用于初始指标的约简 | 第48-55页 |
| ·基于逼近精度的粗糙集属性约简算法 | 第48-49页 |
| ·构建中小企业信用评估体系 | 第49-55页 |
| ·信用指标参数细分及取值 | 第55-60页 |
| ·信用指标重要度调查意见表的设计 | 第55页 |
| ·指标属性分值的提取 | 第55-56页 |
| ·指标细分 | 第56-60页 |
| 第六章 基于BP神经网络中小企业信用风险评估模型的构建 | 第60-75页 |
| ·中小企业信用风险评估模型数据预处理 | 第60-62页 |
| ·数据的采集 | 第60页 |
| ·指标数据标准化处理方法 | 第60-62页 |
| ·样本集的确定方法 | 第62页 |
| ·中小企业信用风险的BP神经网络模型结构设计 | 第62-68页 |
| ·神经网络模型结构设计 | 第62页 |
| ·网络模型的输入输出层设计 | 第62-63页 |
| ·网络模型隐层及样本集数的设计 | 第63-64页 |
| ·网络模型的训练(学习)规则设计 | 第64-68页 |
| ·神经网络模型的训练过程 | 第68页 |
| ·中小企业信用评估模型在MATLAB中的训练与实现 | 第68-73页 |
| ·神经网络模型的实现 | 第69-72页 |
| ·基于粗糙集属性约简后的网络模型与未约简的网络模型的训练过程性能比较 | 第72-73页 |
| ·基于BP神经网络的中小企业信用风险评估的步骤 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士期间发表的学术论文 | 第81页 |
