| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 论文的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外员工评价的发展过程 | 第12-14页 |
| 1.2.2 国内员工评价的发展过程 | 第14-16页 |
| 1.2.3 员工定量评价的研究现况 | 第16页 |
| 1.3 本文的主要工作 | 第16-19页 |
| 第2章 企业员工评价体系与方法 | 第19-27页 |
| 2.1 员工评价 | 第19页 |
| 2.2 员工评价的目的、过程与原则 | 第19-21页 |
| 2.3 评价的主要方法 | 第21-22页 |
| 2.4 企业员工评价指标体系 | 第22-23页 |
| 2.5 员工评价指标分析 | 第23-25页 |
| 2.6 本文评价方法的必要性 | 第25-27页 |
| 第3章 主成分分析法与人工神经网络理论 | 第27-43页 |
| 3.1 主成分分析方法 | 第27-28页 |
| 3.2 人工神经网络 | 第28-33页 |
| 3.2.1 神经元模型 | 第28-30页 |
| 3.2.2 人工神经网络模型 | 第30-33页 |
| 3.3 学习方式 | 第33-34页 |
| 3.3.1 Delta(δ)学习规则 | 第33-34页 |
| 3.3.2 Hebb学习规则 | 第34页 |
| 3.4 BP神经网络 | 第34-39页 |
| 3.5 模糊数学 | 第39-43页 |
| 第4章 基于PCA-BP和PCA-FBP的企业员工评价实现 | 第43-61页 |
| 4.1 基于PCA-BP的员工评价 | 第44-46页 |
| 4.2 PCA-BP模型评价的实现 | 第46-50页 |
| 4.2.1 神经网络初始化 | 第46-47页 |
| 4.2.2 神经网络模型的训练 | 第47-48页 |
| 4.2.3 输出预测验证 | 第48-50页 |
| 4.3 基于PCA-FBP的员工评价 | 第50-54页 |
| 4.3.1 PCA-FBP的Matlab实现 | 第51-53页 |
| 4.3.2 PCA-FBP模型测验 | 第53-54页 |
| 4.4 评价效果追踪 | 第54-61页 |
| 4.4.1 PCA-BP评价效果追踪 | 第54-57页 |
| 4.4.2 PCA-FBP评价效果追踪 | 第57-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 未来工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-67页 |