声明
第1章 绪论
1.1 研究背景
1.2 研究意义
1.3 国内外研究现状
1.3.1 信用预测算法
1.3.2 因式分解机
1.3.3Hash Learning
1.3.4 多标签学习
1.3.5 数据补齐
1.4 研究内容与组织结构
1.4.1 研究内容
1.4.2 论文组织结构
第2章 基于因式分解机的信用预测
2.1 问题描述
2.2 因式分解机
2.2.1因式分解机原理
2.2.2 多线性
2.2.3 最优化问题
2.2.4 参数学习方法
2.3 实验结果与分析
2.3.1 数据集
2.3.2 评价指标
2.3.3 对比算法
2.3.4 实验结果
2.4 本章小结
第3章基于Block Structure和HashLearning的信用数据压缩方法
3.1 ScalingFM
3.1.1 原理简介
3.1.2 BlockStucture结构
3.2 STH-ML算法原理
3.3 STH-ML算法描述
3.3.1 生成二元码
3.3.2 多标签学习
3.3.3 测试集索引
3.3 实验结果与分析
3.3.1 数据集
3.3.2 评价指标
3.3.3 实验结果与分析
3.4本章小结
第4章 基于标签的多角度融合的数据补齐算法
4.1 数据缺失机制
4.2 数据补齐思路
4.3 LMVFM算法
4.3.1 样本相似度
4.3.2 属性重要度
4.3.3 属性相似度
4.3.4 属性关联度
4.3.5 LMVFM算法流程
4.4 实验结果与分析
4.4.1 数据集
4.4.2 评价指标
4.4.3 对比算法
4.4.4实验结果
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 未来展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果
武汉理工大学;