互联网金融信用体系中的数据挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文的背景、意义和研究内容 | 第9-12页 |
| 1.1.1 论文的背景、意义 | 第9-11页 |
| 1.1.2 研究文献综述 | 第11-12页 |
| 1.1.3 论文主要研究内容 | 第12页 |
| 1.2 信用体系简介 | 第12-14页 |
| 1.3 世界发达国家征信发展 | 第14-16页 |
| 1.4 我国信用体系的发展现状 | 第16-19页 |
| 1.4.1 我国信用体系存在的问题 | 第16-18页 |
| 1.4.2 互联网金融信用体系的发展和意义 | 第18-19页 |
| 第二章 数据挖掘征信技术简介 | 第19-31页 |
| 2.1 云计算、Hadoop及数据挖掘 | 第19-26页 |
| 2.1.1 云计算简介 | 第19-20页 |
| 2.1.2 Hadoop简介 | 第20-22页 |
| 2.1.3 数据挖掘算法比较 | 第22-25页 |
| 2.1.4 Matlab数学软件简介 | 第25-26页 |
| 2.2 云、Hadoop和Matlab的环境搭建 | 第26-28页 |
| 2.3 数据挖掘征信的流程及原理 | 第28-31页 |
| 2.3.1 数据挖掘征信的层级 | 第28页 |
| 2.3.2 数据清洗和预处理 | 第28-29页 |
| 2.3.3 数据挖掘征信的流程 | 第29-31页 |
| 第三章 中小微企业信用评级 | 第31-45页 |
| 3.1 中小微企业信用评级综述 | 第31-35页 |
| 3.1.1 中小微企业特点 | 第31页 |
| 3.1.2 传统企业信用评级简介 | 第31-34页 |
| 3.1.3 互联网时代的评级方式 | 第34-35页 |
| 3.2 利用BP神经网络进行企业征信 | 第35-45页 |
| 3.2.1 中小微企业信用评级指标体系 | 第35-37页 |
| 3.2.2 BP神经网络算法原理 | 第37-39页 |
| 3.2.3 数据采集和预处理 | 第39-40页 |
| 3.2.4 建模和分析 | 第40-45页 |
| 第四章 个人信用评级 | 第45-54页 |
| 4.1 个人信用评级综述 | 第45-47页 |
| 4.1.1 个人信用评级的定义和特点 | 第45-46页 |
| 4.1.2 互联网时代的评级方式 | 第46-47页 |
| 4.2 利用BP神经网络进行个人征信 | 第47-54页 |
| 4.2.1 个人信用评级指标体系 | 第47-49页 |
| 4.2.2 数据采集和预处理 | 第49-50页 |
| 4.2.3 建模和分析 | 第50-54页 |
| 第五章 总结及展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 附件 | 第58页 |
