企业公共服务补助资金绩效评估方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 服务机构补助资金绩效评级方法 | 第13-17页 |
| 1.2.1 服务机构补助资金绩效评级方法 | 第13-16页 |
| 1.2.2 评级方法比较 | 第16-17页 |
| 1.3 本文的研究内容与结构 | 第17-18页 |
| 第2章 绩效评级算法综述 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 决策树算法 | 第18-21页 |
| 2.2.1 ID3算法 | 第18-19页 |
| 2.2.2 C4.5算法 | 第19页 |
| 2.2.3 SLIQ算法 | 第19-20页 |
| 2.2.4 SPRINT算法 | 第20页 |
| 2.2.5 雨林(RainForest)算法 | 第20-21页 |
| 2.2.6 BOTA算法 | 第21页 |
| 2.3 贝叶斯算法 | 第21-22页 |
| 2.3.1 朴素贝叶斯算法 | 第21页 |
| 2.3.2 TAN算法 | 第21-22页 |
| 2.4 基于关联规则的算法 | 第22-23页 |
| 2.4.1 Apriori算法 | 第22页 |
| 2.4.2 DHP算法 | 第22-23页 |
| 2.4.3 DIC算法 | 第23页 |
| 2.4.4 FP-Growth算法 | 第23页 |
| 2.5 神经网络算法 | 第23-25页 |
| 2.5.1 RBF神经网络算法 | 第24页 |
| 2.5.2 SOFM神经网络算法 | 第24页 |
| 2.5.3 学习矢量化(LVQ)神经网络算法 | 第24-25页 |
| 2.5.4 BP神经网络算法 | 第25页 |
| 2.6 支撑向量机算法(SVM) | 第25-27页 |
| 2.6.1 标准算法 | 第26页 |
| 2.6.2 一对一算法 | 第26-27页 |
| 2.6.3 层树分类算法 | 第27页 |
| 2.6.4 有向无环图算法 | 第27页 |
| 2.6.5 k-类SVM算法 | 第27页 |
| 2.7 KNN算法 | 第27-28页 |
| 2.8 粗糙集算法 | 第28页 |
| 2.9 小结 | 第28-29页 |
| 第3章 基于果蝇优化的绩效评估指标约简 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 补助资金绩效评价指标 | 第29-32页 |
| 3.3 基于果蝇优化的粗糙集评价指标约简 | 第32-35页 |
| 3.3.1 基于互信息的属性约简 | 第33-34页 |
| 3.3.2 基于果蝇优化的启发式属性约简算法 | 第34-35页 |
| 3.4 仿真实验 | 第35-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 可行域解析中心多类分类器集成的绩效评级 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 基于解析中心的多分类器 | 第39-43页 |
| 4.3 基于可行域解析中心的多分类器集成 | 第43-46页 |
| 4.4 实验结果 | 第46-49页 |
| 4.5 小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 部分实验程序清单 | 第56-60页 |
