| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 P2P网络借贷研究现状 | 第9-10页 |
| 1.2.2 粒子群优化支持向量机参数研究现状 | 第10-11页 |
| 1.3 研究目标与内容 | 第11-12页 |
| 1.3.1 研究目标 | 第11-12页 |
| 1.3.2 研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 第2章 相关概念与关键技术 | 第15-25页 |
| 2.1 P2P网络借贷理论 | 第15-16页 |
| 2.1.1 P2P网络借贷概念与特征 | 第15-16页 |
| 2.1.2 P2P网络借贷违约理论 | 第16页 |
| 2.2 支持向量机理论 | 第16-20页 |
| 2.2.1 支持向量机概述 | 第16-17页 |
| 2.2.2 线性可分支持向量机 | 第17-18页 |
| 2.2.3 线性不可分支持向量机 | 第18-20页 |
| 2.3 粒子群算法理论 | 第20-22页 |
| 2.3.1 粒子群算法思想 | 第20页 |
| 2.3.2 粒子群优化算法的基本框架 | 第20-22页 |
| 2.4 AdaBoost算法理论 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于改进的粒子群算法优化支持向量机参数 | 第25-39页 |
| 3.1 支持向量机参数 | 第25-27页 |
| 3.1.1 支持向量机参数 | 第25-26页 |
| 3.1.2 参数评价方法 | 第26-27页 |
| 3.2 粒子群算法优化SVM参数原理 | 第27-29页 |
| 3.3 改进的粒子群算法 | 第29-31页 |
| 3.3.1 粒子群算法越界处理 | 第29页 |
| 3.3.2 组合改进粒子群算法 | 第29-31页 |
| 3.4 仿真实验 | 第31-38页 |
| 3.4.1 仿真数据集介绍 | 第31页 |
| 3.4.2 粒子群算法优化支持向量机参数实验 | 第31-34页 |
| 3.4.3 改进的粒子群算法优化支持向量机参数实验 | 第34-36页 |
| 3.4.4 实验结果分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于AdaBoost与SVM的网络借贷违约预测模型构建 | 第39-47页 |
| 4.1 数据集 | 第39-40页 |
| 4.2 数据集处理 | 第40-41页 |
| 4.2.1 缺失值处理 | 第40页 |
| 4.2.2 规范化处理 | 第40-41页 |
| 4.3 特征选择 | 第41页 |
| 4.4 违约预测模型建立 | 第41-44页 |
| 4.4.1 改进的PSO对SVM参数优化 | 第42-43页 |
| 4.4.2 迭代提升 | 第43-44页 |
| 4.5 预测模型对比 | 第44-45页 |
| 4.6 本章小结 | 第45-47页 |
| 第5章 网络借贷违约预测系统的设计与实现 | 第47-67页 |
| 5.1 需求分析 | 第47-51页 |
| 5.1.1 功能需求 | 第47-50页 |
| 5.1.2 非功能需求 | 第50-51页 |
| 5.2 系统设计 | 第51-56页 |
| 5.2.1 功能设计 | 第51页 |
| 5.2.2 架构设计 | 第51-53页 |
| 5.2.3 数据库设计 | 第53-56页 |
| 5.3 系统实现 | 第56-65页 |
| 5.3.1 开发环境与工具 | 第56页 |
| 5.3.2 数据访问层 | 第56-58页 |
| 5.3.3 个人信息管理模块 | 第58-59页 |
| 5.3.4 系统管理模块 | 第59-62页 |
| 5.3.5 数据处理模块 | 第62-63页 |
| 5.3.6 违约预测模块 | 第63-64页 |
| 5.3.7 预测结果模块 | 第64-65页 |
| 5.4 系统预测准确度验证 | 第65页 |
| 5.5 本章小结 | 第65-67页 |
| 结论 | 第67-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间所取得的成果 | 第73-75页 |
| 致谢 | 第75页 |