智能信息管理研究

第1章 基于貝葉斯網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究
1.1 數(shù)據(jù)挖掘簡(jiǎn)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(wǎng)絡(luò)
1.3.1 貝葉斯網(wǎng)絡(luò)的概念
1.3.2 貝葉斯網(wǎng)絡(luò)的類型
1.3.3 貝葉斯網(wǎng)絡(luò)的構(gòu)造與特點(diǎn)
1.3.4 貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)
1.3.5 貝葉斯網(wǎng)絡(luò)的應(yīng)用
參考文獻(xiàn)
第2章 基于支持向量機(jī)的財(cái)務(wù)風(fēng)險(xiǎn)研究
2.1 研究綜述
2.1.1 國(guó)外研究綜述
2.1.2 國(guó)內(nèi)研究綜述
2.2 財(cái)務(wù)危機(jī)分析
2.2.1 預(yù)兆分析
2.2.2 特征分析
2.2.3 原因分析
2.2.4 財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)
2.3 分類方法及其應(yīng)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(jī)分類方法及其相應(yīng)問(wèn)題分析
2.4.1 支持向量機(jī)簡(jiǎn)介
2.4.2 函數(shù)集的學(xué)習(xí)性能和VC維
2.4.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化
2.4.4 高斯核函數(shù)
2.4.5 SVM多分類問(wèn)題
2.5 支持向量機(jī)在財(cái)務(wù)信用評(píng)價(jià)預(yù)測(cè)中的應(yīng)用
2.5.1 基于支持向量機(jī)方法的模型建立及其過(guò)程
2.5.2 傳統(tǒng)方法與支持向量機(jī)方法的比較和分析
參考文獻(xiàn)
第3章 網(wǎng)格技術(shù)與應(yīng)用研究
3.1 基于Web服務(wù)的會(huì)計(jì)網(wǎng)格研究與實(shí)現(xiàn)
3.1.1 引言
3.1.2 會(huì)計(jì)網(wǎng)格的特點(diǎn)與系統(tǒng)結(jié)構(gòu)
3.1.3 會(huì)計(jì)網(wǎng)格的技術(shù)實(shí)現(xiàn)
3.2 基于Web服務(wù)的圖像檢索網(wǎng)格研究與實(shí)現(xiàn)
3.2.1 引言
3.2.2 圖像檢索網(wǎng)格的特點(diǎn)與運(yùn)行架構(gòu)
3.2.3 圖像特征自學(xué)習(xí)代理服務(wù)組件
3.3 基于并發(fā)工作流（網(wǎng)格）的財(cái)務(wù)監(jiān)管數(shù)據(jù)匯聚模型
3.3.1 引言
3.3.2 GMFD模型結(jié)構(gòu)
3.3.3 財(cái)務(wù)信息匯總樹(shù)的進(jìn)程部件描述
3.3.4 GMFD模型工作過(guò)程及其算法
3.3.5 分析與實(shí)驗(yàn)
參考文獻(xiàn)
第4章 保險(xiǎn)中的若干風(fēng)險(xiǎn)模型研究
4.1 風(fēng)險(xiǎn)模型綜述
4.1.1 經(jīng)典風(fēng)險(xiǎn)模型
4.1.2 風(fēng)險(xiǎn)模型研究中的兩種經(jīng)典方法
4.1.3 風(fēng)險(xiǎn)模型研究中的有代表性方向
4.2 馬氏風(fēng)險(xiǎn)模型及破產(chǎn)概率
4.2.1 馬氏風(fēng)險(xiǎn)模型
4.2.2 破產(chǎn)概率的估計(jì)
4.2.3 指數(shù)分布情形下的破產(chǎn)概率
4.2.4 混合指數(shù)分布情形下的破產(chǎn)概率
4.3 離散的三項(xiàng)分布風(fēng)險(xiǎn)模型及破產(chǎn)概率
4.3.1 離散的三項(xiàng)分布風(fēng)險(xiǎn)模型
4.3.2 破產(chǎn)概率的解析解
4.3.3 破產(chǎn)概率的漸進(jìn)解
4.4 依生滅過(guò)程索賠的兩險(xiǎn)種風(fēng)險(xiǎn)模型及破產(chǎn)概率
4.4.1 生滅過(guò)程簡(jiǎn)介
4.4.2 依生滅過(guò)程索賠的兩險(xiǎn)種風(fēng)險(xiǎn)模型
4.4.3 破產(chǎn)概率方程
4.4.4 破產(chǎn)概率收斂速率的上界
參考文獻(xiàn)
第5章 智能技術(shù)在統(tǒng)計(jì)數(shù)據(jù)分析中的應(yīng)用
5.1 統(tǒng)計(jì)數(shù)據(jù)分析指標(biāo)的優(yōu)化設(shè)計(jì)與模糊智能評(píng)價(jià)
5.1.1 引言
5.1.2 科技投融資生態(tài)系統(tǒng)特征和評(píng)價(jià)原則
5.1.3 科技投融資生態(tài)系統(tǒng)評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)及界定
5.1.4 評(píng)價(jià)指標(biāo)的模糊統(tǒng)計(jì)及優(yōu)化設(shè)計(jì)
5.1.5 指標(biāo)體系的模糊聚類綜合評(píng)價(jià)
5.2 社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)智能分析與預(yù)測(cè)
5.2.1 2010年上海世博會(huì)參觀人數(shù)的預(yù)測(cè)
5.2.2 上海文化產(chǎn)業(yè)對(duì)區(qū)域經(jīng)濟(jì)拉動(dòng)作用的實(shí)證研究
參考文獻(xiàn)
第6章 智能審計(jì)模型研究及應(yīng)用
6.1 引言
6.2 國(guó)內(nèi)外研究現(xiàn)狀
6.3 智能審計(jì)系統(tǒng)的應(yīng)用體系架構(gòu)
6.4 幾個(gè)關(guān)鍵子系統(tǒng)的分析與設(shè)計(jì)
6.4.1 數(shù)據(jù)挖掘子系統(tǒng)的分析與設(shè)計(jì)
6.4.2 專家審計(jì)子系統(tǒng)的分析與設(shè)計(jì)
6.5 LixinAudit——一個(gè)智能審計(jì)系統(tǒng)
6.6 總結(jié)和展望
參考文獻(xiàn)