| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 相关研究现状 | 第10-13页 |
| 1.2.1 企业环境行为信用评价的国内外研究现状 | 第10-11页 |
| 1.2.2 BP神经网络和遗传算法的国内外研究现状 | 第11-12页 |
| 1.2.3 神经网络和遗传算法在企业信用评价中的应用 | 第12-13页 |
| 1.3 论文研究内容及组织结构 | 第13-15页 |
| 1.3.1 论文研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-15页 |
| 2 常用信用评价模型和BP神经网络 | 第15-23页 |
| 2.1 常用信用评价模型 | 第15-17页 |
| 2.2 BP神经网络 | 第17-20页 |
| 2.2.1 BP神经网络概述 | 第17-18页 |
| 2.2.2 神经网络的主要特征 | 第18-20页 |
| 2.3 基本BP神经网络原理 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于BP神经网络的企业环境行为信用评价模型 | 第23-37页 |
| 3.1 企业环境行为信用评价指标体系的构建 | 第23-27页 |
| 3.1.1 指标构建原则 | 第23-24页 |
| 3.1.2 相关指标的选取 | 第24-25页 |
| 3.1.3 相关指标的处理 | 第25-27页 |
| 3.2 构建BP网络训练样本 | 第27-28页 |
| 3.3 基于BP神经网络训练的企业环境行为信用评价 | 第28-31页 |
| 3.3.1 企业环境行为信用评价模型输入和输出的构建 | 第28-29页 |
| 3.3.2 企业环境行为信用等级评估网络隐含层节点数的确定 | 第29页 |
| 3.3.3 基于BP神经网络的企业环境行为信用等级评价模型 | 第29-31页 |
| 3.4 模型实现及结果分析 | 第31-36页 |
| 3.4.1 隐含层神经元数目以及学习率的确定 | 第32-35页 |
| 3.4.2 测试输出 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 BP神经网络与改进的GA算法的优化及应用 | 第37-52页 |
| 4.1 遗传算法 | 第37-40页 |
| 4.2 改进的自适应GA算法 | 第40-42页 |
| 4.3 改进的GA算法优化BP神经网络企业环境行为评价算法实现 | 第42-46页 |
| 4.4 实验结果分析 | 第46-49页 |
| 4.4.1 改进的遗传算法优化BP神经网络模型的实验分析 | 第46-47页 |
| 4.4.2 三种模型应用于企业环境行为信用评价的实验对比分析 | 第47-49页 |
| 4.5 湖南省企业环境行为信用评价系统 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 本文展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59-70页 |
| 攻读硕士学位期间主要研究成果 | 第70-71页 |
| 致谢 | 第71页 |
