| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-16页 |
| 第2章 信用社客户分类体系设计 | 第16-23页 |
| 2.1 信用社客户分类体系建立原则 | 第16-17页 |
| 2.2 信用社分类指标体系的构建 | 第17-20页 |
| 2.2.1 分类指标选择 | 第17-19页 |
| 2.2.2 定性指标的量化 | 第19-20页 |
| 2.2.3 指标体系的有效度和可信度分析 | 第20页 |
| 2.3 BP 神经网络在客户分类中的可行性分析 | 第20-22页 |
| 2.3.1 BP 神经网络技术简介 | 第20-21页 |
| 2.3.2 利用 BP 神经网络实现客户分类的可行性分析 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 信用社客户分类模型设计 | 第23-37页 |
| 3.1 基于 BP 神经网络的信用社客户分类模型设计 | 第23-25页 |
| 3.1.1 BP 神经网络层次选择 | 第23页 |
| 3.1.2 各层 BP 神经元数量选择 | 第23-24页 |
| 3.1.3 误差精度选择 | 第24页 |
| 3.1.4 传递函数选择 | 第24-25页 |
| 3.1.5 训练函数选择 | 第25页 |
| 3.2 BP 神经网络的参数修正 | 第25-29页 |
| 3.2.1 BP 神经元权重的调整 | 第25-27页 |
| 3.2.2 阈值的修正 | 第27-29页 |
| 3.3 BP 神经网络缺点分析 | 第29-30页 |
| 3.4 遗传 BP 神经网络算法设计 | 第30-36页 |
| 3.4.1 遗传算法简介 | 第30-33页 |
| 3.4.2 基于遗传算法的网络结构和权值进化 | 第33页 |
| 3.4.3 遗传 BP 神经网络算法流程设计 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于遗传 BP 神经网络算法的客户分类实现 | 第37-46页 |
| 4.1 信用社客户分类实例数据 | 第37-38页 |
| 4.2 信用社客户分类的 BP 神经网络 | 第38-39页 |
| 4.2.1 BP 神经网络结构 | 第38-39页 |
| 4.2.2 BP 神经网络验证 | 第39页 |
| 4.3 BP 神经网络的客户分类实现 | 第39-40页 |
| 4.4 遗传 BP 神经网络的客户分类实现 | 第40-42页 |
| 4.5 遗传 BP 神经网络客户分类试验 | 第42-45页 |
| 4.5.1 基于 BP 神经网络的客户分类 | 第42-43页 |
| 4.5.2 基于遗传 BP 神经网络的客户分类 | 第43-45页 |
| 4.5.3 试验结论 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 附录 | 第53-59页 |
