| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-21页 |
| 1.1 研究的背景和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外个人信用评分研究现状 | 第10-19页 |
| 1.2.1 单一评分方法研究现状 | 第11-15页 |
| 1.2.2 组合评分方法研究现状 | 第15-16页 |
| 1.2.3 案例推理方法研究现状 | 第16-18页 |
| 1.2.4 相关研究成果评述 | 第18-19页 |
| 1.3 论文研究方法及主要内容 | 第19-21页 |
| 1.3.1 论文研究的主要方法 | 第19页 |
| 1.3.2 论文研究的主要内容 | 第19-21页 |
| 第2章 案例推理在个人信用评分中的应用及效果分析 | 第21-36页 |
| 2.1 案例推理原理 | 第21-24页 |
| 2.1.1 理论背景 | 第21页 |
| 2.1.2 案例推理思想 | 第21-22页 |
| 2.1.3 案例推理核心推理循环 | 第22-24页 |
| 2.2 基于案例推理的个人信用评分应用实验 | 第24-29页 |
| 2.2.1 基于案例推理的个人信用评分系统架构设计 | 第24-27页 |
| 2.2.2 信用评分的案例推理应用实验及效果分析 | 第27-29页 |
| 2.3 案例推理在个人信用评分中的优势及局限性分析 | 第29-35页 |
| 2.3.1 案例推理在个人信用评分中的优势分析 | 第30-33页 |
| 2.3.2 案例推理应用中推理循环的制约 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 案例推理循环的优化 | 第36-51页 |
| 3.1 案例推理循环优化的整体设计 | 第36-37页 |
| 3.2 案例检索多属性指标变量的处理 | 第37-39页 |
| 3.2.1 多属性指标变量的划分 | 第37-38页 |
| 3.2.2 多属性指标变量的归一化处理 | 第38-39页 |
| 3.3 案例检索指标权重优化 | 第39-45页 |
| 3.3.1 变权值引擎算法框架设计 | 第39-40页 |
| 3.3.2 基于 BP 神经网络的权重计算 | 第40-42页 |
| 3.3.3 基于 Logistic 回归的模拟群决策权重计算 | 第42-44页 |
| 3.3.4 综合权值的计算 | 第44-45页 |
| 3.4 案例检索距离算法优化 | 第45-48页 |
| 3.4.1 常用的距离算法 | 第46-47页 |
| 3.4.2 混合距离度量加权算法设计 | 第47-48页 |
| 3.5 案例重用相似案例权重的优化 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 优化的案例推理循环在个人信用评分中的应用 | 第51-63页 |
| 4.1 样本数据处理 | 第51-54页 |
| 4.2 优化案例推理循环实验 | 第54-59页 |
| 4.2.1 案例库的建立 | 第54-55页 |
| 4.2.2 优化的案例推理循环的实现 | 第55-59页 |
| 4.3 优化案例推理循环的效果分析 | 第59-62页 |
| 4.3.1 模型解释性分析 | 第59页 |
| 4.3.2 模型稳定性分析 | 第59-60页 |
| 4.3.3 样本偏差解决能力分析 | 第60-62页 |
| 4.3.4 错分代价控制能力分析 | 第62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68-73页 |
| 致谢 | 第73页 |
