文摘
英文文摘
声明
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状及发展
1.2.1 支持向量机的历史与现状
1.2.2 消费信贷风险管理现状
1.3 主要工作及预期成果
1.4 本文组织结构
第二章 统计学习理论与支持向量机
2.0 引言
2.1 机器学习
2.1.1 机器学习问题的表示
2.1.2 经验风险最小化原则
2.1.3 机器学习的矛盾
2.2 统计学习理论
2.2.1 VC维
2.2.2 推广性的界
2.2.3 结构风险最小化
2.3 支持向量机原理
2.3.1 二值分类问题
2.3.2 最优分类超平面
2.3.3 线性支持向量机
2.4 核函数方法
2.4.1 特征映射与核函数
2.4.2 非线性支持向量机
2.4.3 常用核函数
2.5 本章小结
第三章 基于支持向量机的消费信贷客户分类模型
3.1 消费信贷客户分类的意义与现状
3.2 分类的定义与过程
3.3 数据来源与数据处理
3.3.1 数据来源
3.3.2 数据预处理
3.4 基于支持向量机的消费信贷客户分类模型
3.4.1 属性与训练集选取
3.4.2 样本训练和核函数选择
3.4.3 消费信贷模型建立过程
3.5 本章小结
第四章 支持向量机在消费信贷客户分类中的实证分析
4.1 交叉验证法选择核函数
4.1.1 交叉验证法原理
4.1.2 核函数交叉验证法的实证分析
4.2 属性集的影响
4.3 结果的比较
4.4 本章小结
第五章 总结与展望
5.1 本文的研究总结
5.2 研究展望
参考文献
致谢
个人简历 在读期间发表的学术论文与研究成果