1. 毕业设计（论文）的内容和要求

近些年来，信用卡业务飞速发展，这给银行带来商机的同时也带来巨大的风险。

信用卡违约风险识别是银行控制和防范借贷风险的重要途径，因此，建立一种准确有效的信用卡违约风险识别方法具有重要的理论和现实意义。

本课题基于机器学习算法尤其是深度学习算法研究信用卡违约风险以帮助各金融机构对信用卡申请人各项条件进行评分，对审查做出决策，控制信用卡违约风险。

2. 参考文献

[1]Zdenek Kolar, Hainan Chen, Xiaowei Luo. Transfer learning and deep convolutional neural networks for safety guardrail detection in 2D images [J] Automation in Construction 2018 58-70 [2]Hao Jiang, Wai-Ki Ching , Ka Fai Cedric Yiu, Yushan Qiu Stationary Mahalanobis kernel SVM for credit risk evaluation[J] Applied Soft Computing 2018 407-417 [3]王文朋，毛文涛 ，何建樑，窦 智. 基于深度迁移学习的烟雾识别方法[J] 计算机应用. 2017，37(11) : 3176 －3181，3193 [4]范巍强 ，刘暾东. 基于 BP 神经网络的信用卡违约风险预测 [J] 电脑知识与技术 2011,p2348-p2349 [5]于振,丁冰冰,刘永健. 深度学习在农村金融行业风险管理中的应用研究[J] 科技资讯 2017.15.248 [6]杨金英,贾茹. 基于主成分分析法的 Logistic 回归信用卡管控模型[J] 呼伦贝尔学院学报 第25卷第4期 [7]宋歌,马涛. 基于深度学习的上市公司财务风险预警模型研究[J] 工程经济学 2016(03)p53-p56 [8]席悦欣,卢万青. 深度学习在金融风险管理领域的应用[J] 合作经济与科技 2018.16.029 [9]李 卯 个人信用评分模型比较数据挖掘分析[J] 时代金融. 2017 年第 02 期下旬刊 [10]范铁光，刘岩松. 大数据应用于信用评分模型的实践与启示. 征信. 2015 年第2 期 [11]Karen Simonyan ,Andrew Zisserman. VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION[J] Published as a conference paper at ICLR 2015 [12]朱健. 四种数据挖掘算法的信用卡违约识别对比研究[D]. 辽宁 大连理工大学 2017 [13]强浩桐. 我国商业银行信用卡违约风险影响因素研究 #8212;#8212;基于逻辑回归模型的实证分析 [D]甘肃 兰州大学 2017 [14]李小明. 统计方法在信用卡风险管理中的若干应用[D] 上海 复旦大学 2009 [15]陈栋栋. 信用卡客户风险预警与应用研究[D] 山东 山东大学 2012 [16]王勇. 我国商业银行信用卡风险管理研究[D] 山东 山东大学 2014 [17]于俊年. 计量经济学[M] . 对外经济贸易大学出版社,2000.

3. 毕业设计（论文）进程安排

第1~3 周 收集资料，熟悉课题； 第4 ~6周 读文献，开始课题学习、研究，上机实验 第7~11周 论文写作 第12周 论文整理、定稿并打印 第13周 论文答辩准备。