基于互信息降维神经网络模型的个人信用评估

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景与意义

1.2 相关文献综述

1.2.1 国外个人信用评估研究

1.2.2 国内个人信用评估研究

1.2.3 数据降维方法研究

1.2.4 总结

1.3 主要研究内容、研究方法及创新

1.3.1 主要研究内容

1.3.2 研究方法

1.3.3 创新点

2 个人信用评估概述

2.1 信用与个人信用

2.1.1 信用的概念

2.1.2 个人信用的概念

2.2 信用风险

2.2.1 信用风险的涵义及产生原因

2.2.2 信用风险的特点

2.2.3 大数据背景下个人信用新特点

2.3个人信用评估

2.3.1 个人信用评估的概念

2.3.2 个人信用评估问题研究的主要方法

3 理论介绍

3.1 人工神经网络基本理论

3.1.1 神经元模型

3.1.2 变换函数

3.1.3 神经网络的学习

3.2 BP神经网络原理

3.2.1 BP神经网络算法

3.2.2 BP算法编程步骤

3.2.3 BP神经网络的优缺点

3.3 RBF神经网络原理

3.3.1 RBF神经网络结构

3.3.2 RBF神经网络学习算法

3.3.3 RBF神经网络的优缺点

3.4 基于Parzen窗的互信息估计

3.4.1 互信息

3.4.2 Parzen窗估计方法

3.4.3 互信息的估计

4 实证分析

4.1 数据集介绍及数据处理

4.1.1 数据说明

4.1.2 数据归一化

4.1.3 数据降维

4.2 BP神经网络仿真运算

4.2.1 参数设置

4.2.2 结果分析

4.3 RBF神经网络仿真运算

4.3.1 参数设置

4.3.2 结果分析

5 结论与展望

致谢

参考文献

附录一：变量间互信息计算结果