銀行貸款決策模型熊家寧

1、.螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂

2、衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀

3、螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇

4、蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄

5、螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞

6、薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇

7、羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄

8、袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂

9、螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿

10、螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆

11、蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄

12、薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁

13、羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿

14、袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆袀罿膀莆蚃裊腿蒈袈膄膈薀蟻肀膇蚃袇羆芇莂蝕袂芆蒅裊螈芅蚇蚈膇芄莇羃肅芃葿螆罿節(jié)薁羂襖芁蚄螄膃芁莃薇聿莀蒆螃羅荿薈薆袁莈芇螁袇莇蒀蚄膆莆薂衿肂蒞蚄螞羈蒞莄袈襖莄蒆蝕膂蒃蕿袆肈蒂蟻蠆羄蒁莁襖羀肈薃螇袆?wù)赝L羂膅肆蒞螅肁肅蕆羈羇肄薀螄袃膃螞薆膁膃莂螂肇膂蒄薅肅膁蚆

15、袀罿膀莆蚃裊腿蒈袈膄膈螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂

16、羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿

17、袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄

18、袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁

19、螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆

20、膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆

21、肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃

22、羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁

23、羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈

24、衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆

25、螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃

26、膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁

27、肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅

28、聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃

29、羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀

30、袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈

31、袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅

32、腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃

33、肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀

34、肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈

35、羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊

36、羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂

37、袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀

38、螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅

39、膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂

40、肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆

41、羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇

42、羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿肅薅蚈袂莄薄螀肇芀薃袂袀膆蚃薂肆肂螞蚄袈莀蟻螇肄莆蝕罿袇節(jié)蠆蠆膂膈芆螁羅肄芅袃膀莃芄薃羃艿莃蚅腿膅莂螈羂肁莁袀螄葿莁蠆羀蒞莀螂袃芁荿襖肈膇莈薄袁肅莇蚆肆莂蒆螈衿羋蒅袁肅膄蒅薀袈肀蒄螃肅肆蒃裊羆蒞蒂薅膁芀蒁蚇羄膆蒀蝿膀肂蕿袂羂莁蕿薁螅芇薈蚃羈膃薇袆螄腿薆薅聿 姓名學(xué)院年級(jí)專業(yè)學(xué)號(hào)聯(lián)系電話相關(guān)學(xué)科成績高等數(shù)學(xué)線性代數(shù)概率統(tǒng)計(jì)數(shù)學(xué)模型數(shù)學(xué)實(shí)驗(yàn)英語四級(jí)英語六級(jí)熊家寧自動(dòng)化06自動(dòng)化200649841352746479266.49173無74473無諸潔琪自動(dòng)化06自動(dòng)化200647911365833733695.88879無92無無吳利軍自動(dòng)化06自動(dòng)

43、化200647611592296686882.68890無95503無銀行是否貸款給企業(yè)的判別問題摘要：針對(duì)銀行對(duì)申請(qǐng)者的信用評(píng)分問題,本文根據(jù)申請(qǐng)企業(yè)的背景資料建立了馬氏距離判別模型。根據(jù)以知600個(gè)樣本建立了判別準(zhǔn)則，利用模型檢驗(yàn)后進(jìn)一步的修正模型以滿足對(duì)屬性值缺失的37個(gè)樣本的評(píng)分估計(jì)。本文首先根據(jù)600個(gè)訓(xùn)練樣本，將表格中的離散值用數(shù)值代替后建立起馬氏距離線性判別準(zhǔn)則，利用該準(zhǔn)則將600個(gè)樣本代入準(zhǔn)則重新判別,得出正判率，然后對(duì)600個(gè)樣本進(jìn)行誤判率的交叉確認(rèn)估計(jì)進(jìn)一步檢驗(yàn)打分情況，可貸款誤判率相對(duì)于不可貸款誤判率大，符合銀行的評(píng)價(jià)趨勢(shì)。第二問，利用判別準(zhǔn)則對(duì) 題目的data2中前53

44、 個(gè)未評(píng)分的樣本進(jìn)行評(píng)分估計(jì)，得出了評(píng)分結(jié)果（是否貸款給企業(yè)）。面對(duì)第三問，本文將解決屬性值缺失問題的MKNN算法思想遷移到距離模型中，即利用了最近鄰（NN）算法先對(duì)目標(biāo)樣本（代有？的樣本）的缺失值用總體平均值代替后對(duì)600個(gè)樣本一一進(jìn)行相關(guān)性判斷，將滿足相關(guān)系數(shù)為0.6以上的樣本作為目標(biāo)樣本的鄰居樣本，以目標(biāo)樣本與鄰居樣本的相關(guān)系數(shù)為權(quán)重進(jìn)行加權(quán)平均，再用平均值代替缺失屬性值，完成了對(duì)缺失值的最優(yōu)填充，將填充后的樣本代入馬氏距離判別模型中進(jìn)行評(píng)分，給出其是否貸款的評(píng)價(jià)。評(píng)價(jià)完畢后應(yīng)用修正后的準(zhǔn)則對(duì)已知樣本故意缺失后判別其正確度也有較高的正確率。本文用的馬氏距離判別模型具有簡單實(shí)用的優(yōu)點(diǎn)，具有

45、較廣的應(yīng)用領(lǐng)域；并且同時(shí)用馬氏模型對(duì)缺失數(shù)據(jù)進(jìn)行填充，體現(xiàn)了馬氏距離模型的魅力，使得本文渾然一體為馬氏距離模型的天下；最后，馬氏距離模型具有很好的穩(wěn)定性，將離散值用數(shù)值替換以后再對(duì)其進(jìn)行標(biāo)準(zhǔn)化后，模型的判別準(zhǔn)則的穩(wěn)定性能幾乎達(dá)到了100，說明了本文使用數(shù)據(jù)標(biāo)準(zhǔn)化變換的優(yōu)勢(shì)。結(jié)果：第一問：利用判別準(zhǔn)則判斷可以貸款的樣本有264個(gè)，而總的已知的可貸款樣本為329個(gè)，正確率為80.24；不可以貸款的有256個(gè)，總的已知的不可貸款樣本為271個(gè)，正確率為94.46?？倶颖镜恼_率為86.67。第二問：對(duì)沒有評(píng)分53個(gè)的樣本進(jìn)行評(píng)分，有23個(gè)樣本可以貸款，30個(gè)樣本不可以貸款。具體結(jié)果參考表4。第三問：

46、對(duì)屬性值缺失的樣本用修正后的判別準(zhǔn)則進(jìn)行判別，有25個(gè)樣本可以貸款，12個(gè)樣本不可以貸款，具體結(jié)果參考表5。 結(jié)論：馬氏距離判別模型對(duì)本文的評(píng)分系統(tǒng)產(chǎn)生了較高且穩(wěn)定的正確判別率，并且適用于判別樣本屬性值缺失的樣本判別，使用起來較方便關(guān)鍵詞：馬氏距離判別分析 MKNN算法 修正準(zhǔn)則 數(shù)據(jù)填充一、 問題重述近年來,隨著金融的全球化趨勢(shì)及金融市場(chǎng)的波動(dòng)性加劇,商業(yè)銀行的風(fēng)險(xiǎn)管理一直是國際國內(nèi)金融界關(guān)注的焦點(diǎn)。借款人由于種種原因,不愿或無力償還銀行貸款本息,使銀行貸款無法收回,形成呆帳損失，造成流動(dòng)性危機(jī),最終誘發(fā)銀行倒閉,給金融業(yè)和整個(gè)國民經(jīng)濟(jì)造成嚴(yán)重?fù)p失。某商業(yè)銀行計(jì)劃給有需求的企業(yè)發(fā)放貸款，為了

47、有效地減少金融風(fēng)險(xiǎn)，要求每個(gè)申請(qǐng)企業(yè)提供企業(yè)經(jīng)營狀況的相關(guān)資料，并根據(jù)這些資料，對(duì)這些企業(yè)進(jìn)行打分，如果打分為“”，則表明該企業(yè)信用不好，不發(fā)放貸款。若打分為“”，則表明可以向該企業(yè)提供貸款。表2所示的是600個(gè)申請(qǐng)貸款企業(yè)的背景資料及打分情況，為確保商業(yè)秘密，資料中的屬性（變量）已換成沒有任何意義的代碼。如:b,30.83,0,u,g,w,v,1.25,t,t,01,f,g,00202,0,+a,38.58,5,u,g,cc,v,13.5,t,f,0,t,g,00980,0,-資料中共有15個(gè)屬性（用逗號(hào)隔開，分別記為A1A15）和一個(gè)打分情況。你隊(duì)的任務(wù)是：1. 請(qǐng)你們根據(jù)600個(gè)申請(qǐng)貸款

48、企業(yè)的背景資料及打分情況，給出一種判別準(zhǔn)則，并對(duì)這600個(gè)企業(yè)重新打分，使你們的打分與原打分盡可能相吻合。2. 現(xiàn)有90個(gè)待申請(qǐng)貸款企業(yè)，企業(yè)背景資料與前600個(gè)申請(qǐng)貸款企業(yè)有相同的形式，如a,17.33,9.5,u,g,aa,v,1.75,f,t,10,t,g,00000,10b,80.25,5.5,u,g,?,?,0.54,t,f,0,f,g,00000,340現(xiàn)應(yīng)用你們的判別準(zhǔn)則對(duì)這90個(gè)申請(qǐng)貸款企業(yè)中的前53名進(jìn)行打分，以確定是否提供貸款。3. 由于企業(yè)自身的原因（如漏填或有意不填），有些項(xiàng)的指標(biāo)沒有填寫（沒有填寫的項(xiàng)在表中為？），對(duì)于這種情況，你們將如何修正判別準(zhǔn)則，然后對(duì)這些申請(qǐng)貸

49、款企業(yè)（表3中的后37名）進(jìn)行打分，以確定是否為其提供貸款。4. 為銀行的高層管理者寫一份報(bào)告（盡量用通俗易懂的語言或直觀的方法），闡述你們的判別方法的正確性或合理性，使他們采納你的判別方法。二、模型假設(shè)及符號(hào)說明1、模型基本假設(shè)： （1）、能貸款企業(yè)和不能貸款企業(yè)的樣本屬性值經(jīng)過數(shù)據(jù)變換后的協(xié)方差矩陣相等，即符合線性分類問題。（2）、缺失的屬性值均是由于漏填原因造成的，即不加入人為因素。2、符號(hào)說明：,分別能貸款給企業(yè)和不能貸款給企業(yè)的兩類總體；，分別為和的協(xié)方差矩陣；，分別為第一類和第二類樣本的屬性平均向量；, 分別為第一類和第二類樣本；（i為屬性）w(x)即為我們的判別函數(shù)；x(1),x

50、(2)分別是來自兩個(gè)總體的樣本；表示屬于的樣品誤判為的個(gè)數(shù)；表示屬于的樣品誤判為的 個(gè)數(shù)；為回代誤判率；g=g1,g2,g3.gm為目標(biāo)樣本;zi=zi1,zi2.zim為600個(gè)樣本；為目標(biāo)樣本指標(biāo)的平均值，m=15。；為第i個(gè)樣本的各指標(biāo)的平均值；n為總樣本數(shù)；pi為鄰居樣本的某一屬性值的加權(quán)平均值。（鄰居樣本即為和目標(biāo)樣本的相似系數(shù)大于0.6的樣本）；三、問題的分析及模型的設(shè)計(jì)1、面對(duì)第一問，建立起馬氏距離判別準(zhǔn)則，首先我們根據(jù)600個(gè)已知樣本的評(píng)分情況利用MATLab將其分為兩類，建立了兩總體，其大致數(shù)據(jù)結(jié)構(gòu)如表1和表2所示：表1：指標(biāo)樣本G1X1 x2 x3 X4 x5 x6 . X

51、12 x13 x14 x15 x1612nxij表2：指標(biāo)樣本G2X1 x2 x3 X4 x5 x6 . X12 x13 x14 x15 x1612nxij1=（11,12,1p), 2=（21,22,2p)馬氏距離的判別情況如圖1 圖 1X=x1, x2, , xn1=a1,an, 2=b1,bnd2(x,G1)=(x-1)1-1(x-1)d2(x,G2)=(x-2)2-1(x-2)其中1，2分別為G1和G2的協(xié)方差矩陣根據(jù)假設(shè)有1=2= ，可以證明d2(x,G1)- d2(x,G2)=-2(x-(1+2)/2)-1(1-2)記為w(x) ，顯然 w(x)是x的線性函數(shù)。一般地，有 w(x)

52、即為我們的判別函數(shù)，判別規(guī)則如下： 當(dāng)w(x)>0時(shí)， 則 xG2 當(dāng)w(x)<0時(shí)， 則 xG1 當(dāng)w(x)=0時(shí)， 則 x待判 （線性判別法） 根據(jù)建立的馬氏距離判別模型，將申請(qǐng)貸款的企業(yè)按是否貸款分為兩類，利用該模型對(duì)600個(gè)樣本進(jìn)行重新打分，在模型中稱其為回代檢驗(yàn)，其基本思想如下：設(shè)G1, G2為兩個(gè)總體，x(1),x(2)分別是來自兩個(gè)總體的樣本，其樣本容量分別是N1,N2。以全體訓(xùn)練樣本，逐個(gè)代入已建立的判別準(zhǔn)則中判別其歸屬，這個(gè)過程稱為回判。回判結(jié)果如表3：表3:回判情況實(shí)際歸類G1 G2G1G2N11 N12N21 N22其中N12表示屬于G1的樣品誤判為G2的個(gè)數(shù)

53、，則總的誤判個(gè)數(shù)為N12+N21。誤判率回代估計(jì)：;2、面對(duì)第二問我們利用以建立好的模型將待判別的53個(gè)樣本帶進(jìn)模型里得到了評(píng)分結(jié)果。3、由于待申請(qǐng)企業(yè)的屬性值缺失，造成了對(duì)這些企業(yè)打分的困難程度和不確定性額，我們?cè)趯?duì)模型進(jìn)行時(shí)修正時(shí)采用了對(duì)缺失屬性值進(jìn)行填充的思想，利用了MKNN算法的思想首先將待判別的37個(gè)樣本的缺失位置用600個(gè)樣本的總體平均值來代替后定為目標(biāo)樣本，然后根據(jù)相似系數(shù)的計(jì)算將600個(gè)樣本一一進(jìn)行相似系數(shù)計(jì)算，具體公式為： r=1,2,3.n1 其中g(shù)=g1,g2,g3.gm為目標(biāo)樣本;zi=zi1,zi2.zim為600個(gè)樣本；為樣本指標(biāo)的平均值。；n為總樣本數(shù)。

54、利用公式計(jì)算出與目標(biāo)樣本（含缺失屬性的樣本）的相似系數(shù)大于0.6的樣本，將這些樣本抽取出來，（我們稱這些相似系數(shù)大于0.6的樣本為該目標(biāo)樣本的鄰居樣本。）后計(jì)算這些樣本的加權(quán)平均值，用這些樣本的加權(quán)平均值來代替目標(biāo)樣本的缺失屬性值，作為該目標(biāo)樣本的評(píng)分標(biāo)準(zhǔn)。對(duì)計(jì)算鄰居樣本的加權(quán)平均值，我們采用了相似系數(shù)作為計(jì)算平均值的權(quán)重：公式如：；其中為加權(quán)平均值。當(dāng)目標(biāo)樣本的缺失屬性值用代替后將該目標(biāo)樣本代入馬氏距離判別模型里進(jìn)行計(jì)算。四、求解方法、結(jié)果的分析和檢驗(yàn)1、對(duì)第一問的求解，我們利用Matlab軟件，將馬氏距離模型編程后，對(duì)600各樣本進(jìn)行重新打分得出結(jié)果，具體程序見程序1：利用判別準(zhǔn)則判斷可以

55、貸款的樣本有264個(gè)，而總的已知的可貸款樣本為329個(gè)，正確率為80.24；不可以貸款的有256個(gè)，總的已知的不可貸款樣本為271個(gè)，正確率為94.46?？倶颖镜恼_率為86.67。用直方圖可以清楚地顯示出他們的關(guān)系，如圖2：圖 2利用模型進(jìn)一步對(duì)600個(gè)樣本進(jìn)行誤判率交叉確認(rèn)估計(jì)，得出的總的誤判率為13.5%，正確率為86.5%，具體程序見程序2；2、對(duì)第二問我們用馬氏距離模型將53個(gè)樣本數(shù)據(jù)代入，得出了它們的評(píng)分結(jié)果如表4所示,其中0表示可以貸款,1表示不可以貸款,共23個(gè)可以貸款,30個(gè)不可以貸款。具體程序見程序3。企業(yè)序號(hào)1234567891011打分情況11111111111企業(yè)序號(hào)

56、1213141516171819202122打分情況11111111100企業(yè)序號(hào)2324252627282930313233打分情況00000000000企業(yè)序號(hào)3435363738394041424344打分情況00000111111企業(yè)序號(hào)454647484950515253打分情況111100000表4：3、對(duì)第三問，我們根據(jù)修正后的模型將37個(gè)目標(biāo)樣本的屬性值代入后得出了37個(gè)樣本的打分情況, 0表示可以貸款,1表示不可以貸款,共25個(gè)可以貸款,12個(gè)不可以貸款。具體程序見程序4，具體結(jié)果如表5所示：表5:企業(yè)序號(hào)1234567891011打分情況11111101100企業(yè)序號(hào)1213141516171819202122打分情況00000000000企業(yè)序號(hào)2324252627282930313233打分情況00011110000企業(yè)序號(hào)34353637打分情況0000(續(xù)表5)根據(jù)我們