图序、表序
1第一章绪论
1.1研究背景和意义
1.2研究思路
1.3本文结构和主要的创新点
2第二章财务危机预警研究综述
2.1财务危机的定义
2.2财务危机预警
2.3财务危机预警的主要方法
2.3.1定性研究方法
2.3.2定量研究方法
2.4国内研究现状
3第三章统计学习理论与支持向量机
3.1统计学习理论
3.1.1基于数据的机器学习
3.1.2经验风险最小化(ERM)原则
3.1.3复杂性与泛化能力
3.1.4统计学习理论的核心内容
3.2支持向量机
3.2 1支持向量机的发展历史和现状
3.2.2支持向量机的基本思想
3.2.3支持向量机的基本方法
3.2.4小结
4第四章群智能与粒子群优化算法
4.1群智能
4.2基本粒子群算法
4.2.1基本原理
4.2.2算法流程
4.2.3参数分析
4.3粒子群算法的发展与改进
4.3.1局部版PSO算法
4.3 2自适应PSO算法
4.3.3杂交PSO算法
4.3 4协同PSO算法
4.3 5离散PSO算法
5第五章基于PSO和SVM的上市公司财务危机预警模型
5.1模型的构建
5.1.1基本思想
5.1.2若干重要步骤详述
5.1.3算法流程
5.2实证研究
5.2.1研究样本的选择
5.2.2备选指标
5.2.3数据预处理
5.2.4实验的设计和实现
5.2.5实验结果及分析
6第六章结论和展望
6.1工作总结
6.2研究展望
7参考文献
8附录
9攻读学位期间发表论文情况
10致谢