智能信息管理研究（簡體書）

《智能信息管理研究》第一章內容包括數據挖掘簡介；貝葉斯方法、貝葉斯公式、全概率公式和乘法公式以及貝葉斯概率；貝葉斯網絡的概念、貝葉斯網絡的類型、貝葉斯網絡的構造與特點、貝葉斯網絡的學習和貝葉斯網絡的應用。第二章內容包括國內外財務風險研究的情況；財務危機預兆分析、財務危機特徵分析、財務危機原因分析以及財務危機預警系統；分類方法及其應用；支持向量機的分類方法及其相應問題分析；支持向量機在財務信用評價預測中的應用等。

第1章 基於貝葉斯網絡的數據挖掘研究
1.1 數據挖掘簡介
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 基於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 特徵分析
2.2.3 原因分析
2.2.4 財務危機預警系統
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
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 基於支持向量機方法的模型建立及其過程
2.5.2 傳統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 基於Web服務的會計網格研究與實現
3.1.1 引言
3.1.2 會計網格的特點與系統結構
3.1.3 會計網格的技術實現
3.2 基於Web服務的圖像檢索網格研究與實現
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 圖像特徵自學習代理服務組件
3.3 基於并發工作流（網格）的財務監管數據匯聚模型
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 指數分布情形下的破產概率
4.2.4 混合指數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 智能技術在統計數據分析中的應用
5.1 統計數據分析指標的優化設計與模糊智能評價
5.1.1 引言
5.1.2 科技投融資生態系統特徵和評價原則
5.1.3 科技投融資生態系統評價指標體系的設計及界定
5.1.4 評價指標的模糊統計及優化設計
5.1.5 指標體系的模糊聚類綜合評價
5.2 社會經濟統計數據智能分析與預測
5.2.1 2010年上海世博會參觀人數的預測
5.2.2 上海文化產業對區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 國內外研究現狀
6.3 智能審計系統的應用體系架構
6.4 幾個關鍵子系統的分析與設計
6.4.1 數據挖掘子系統的分析與設計
6.4.2 專家審計子系統的分析與設計
6.5 LixinAudit——一個智能審計系統
6.6 總結和展望
參考文獻