第1章 基于貝葉斯網絡的數(shù)據挖掘研究
1.1 數(shù)據挖掘簡介
1.2 貝葉斯概率
1.2.1 貝葉斯方法
1.2.2 貝葉斯公式
1.2.3 全概率公式和乘法公式
1.2.4 貝葉斯概率
1.3 貝葉斯網絡
1.3.1 貝葉斯網絡的概念
1.3.2 貝葉斯網絡的類型
1.3.3 貝葉斯網絡的構造與特點
1.3.4 貝葉斯網絡的學習
1.3.5 貝葉斯網絡的應用
參考文獻
第2章 基于支持向量機的財務風險研究
2.1 研究綜述
2.1.1 國外研究綜述
2.1.2 國內研究綜述
2.2 財務危機分析
2.2.1 預兆分析
2.2.2 特征分析
2.2.3 原因分析
2.2.4 財務危機預警系統(tǒng)
2.3 分類方法及其應用
2.3.1 線性判別分析法
2.3.2 Logistic回歸模型法
2.3.3 其他分類方法
2.4 支持向量機分類方法及其相應問題分析
2.4.1 支持向量機簡介
2.4.2 函數(shù)集的學習性能和VC維
2.4.3 結構風險最小化
2.4.4 高斯核函數(shù)
2.4.5 SVM多分類問題
2.5 支持向量機在財務信用評價預測中的應用
2.5.1 基于支持向量機方法的模型建立及其過程
2.5.2 傳統(tǒng)方法與支持向量機方法的比較和分析
參考文獻
第3章 網格技術與應用研究
3.1 基于Web服務的會計網格研究與實現(xiàn)
3.1.1 引言
3.1.2 會計網格的特點與系統(tǒng)結構
3.1.3 會計網格的技術實現(xiàn)
3.2 基于Web服務的圖像檢索網格研究與實現(xiàn)
3.2.1 引言
3.2.2 圖像檢索網格的特點與運行架構
3.2.3 圖像特征自學習代理服務組件
3.3 基于并發(fā)工作流（網格）的財務監(jiān)管數(shù)據匯聚模型
3.3.1 引言
3.3.2 GMFD模型結構
3.3.3 財務信息匯總樹的進程部件描述
3.3.4 GMFD模型工作過程及其算法
3.3.5 分析與實驗
參考文獻
第4章 保險中的若干風險模型研究
4.1 風險模型綜述
4.1.1 經典風險模型
4.1.2 風險模型研究中的兩種經典方法
4.1.3 風險模型研究中的有代表性方向
4.2 馬氏風險模型及破產概率
4.2.1 馬氏風險模型
4.2.2 破產概率的估計
4.2.3 指數(shù)分布情形下的破產概率
4.2.4 混合指數(shù)分布情形下的破產概率
4.3 離散的三項分布風險模型及破產概率
4.3.1 離散的三項分布風險模型
4.3.2 破產概率的解析解
4.3.3 破產概率的漸進解
4.4 依生滅過程索賠的兩險種風險模型及破產概率
4.4.1 生滅過程簡介
4.4.2 依生滅過程索賠的兩險種風險模型
4.4.3 破產概率方程
4.4.4 破產概率收斂速率的上界
參考文獻
第5章 智能技術在統(tǒng)計數(shù)據分析中的應用
5.1 統(tǒng)計數(shù)據分析指標的優(yōu)化設計與模糊智能評價
5.1.1 引言
5.1.2 科技投融資生態(tài)系統(tǒng)特征和評價原則
5.1.3 科技投融資生態(tài)系統(tǒng)評價指標體系的設計及界定
5.1.4 評價指標的模糊統(tǒng)計及優(yōu)化設計
5.1.5 指標體系的模糊聚類綜合評價
5.2 社會經濟統(tǒng)計數(shù)據智能分析與預測
5.2.1 2010年上海世博會參觀人數(shù)的預測
5.2.2 上海文化產業(yè)對區(qū)域經濟拉動作用的實證研究
參考文獻
第6章 智能審計模型研究及應用
6.1 引言
6.2 國內外研究現(xiàn)狀
6.3 智能審計系統(tǒng)的應用體系架構
6.4 幾個關鍵子系統(tǒng)的分析與設計
6.4.1 數(shù)據挖掘子系統(tǒng)的分析與設計
6.4.2 專家審計子系統(tǒng)的分析與設計
6.5 LixinAudit——一個智能審計系統(tǒng)
6.6 總結和展望
參考文獻
鄂公網安備 42010302001612號 