| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-24页 |
| 1.1 研究背景 | 第9-14页 |
| 1.1.1 课题来源和研究背景 | 第9-12页 |
| 1.1.2 课题研究的目的和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 航空公司绩效评价的理论方法研究现状 | 第14-18页 |
| 1.2.2 现有研究的局限性比较 | 第18-21页 |
| 1.3 研究思路及研究内容 | 第21-24页 |
| 1.3.1 研究思路 | 第21-22页 |
| 1.3.2 研究内容 | 第22-24页 |
| 第2章 RBF神经网络理论基础 | 第24-33页 |
| 2.1 RBF神经网络理论简介 | 第24-27页 |
| 2.1.1 RBF神经网络理论 | 第24-25页 |
| 2.1.2 RBF神经网络理论结构模型和学习算法 | 第25-26页 |
| 2.1.3 RBF神经网络的实现过程 | 第26-27页 |
| 2.1.4 RBF神经网络理论方法的优点和局限性 | 第27页 |
| 2.2 改进的RBF神经网络理论 | 第27-32页 |
| 2.2.1 改进的RBF神经网络理论的推导 | 第27-31页 |
| 2.2.2 改进的RBF神经网络的优点 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 航空公司绩效评价体系研究 | 第33-45页 |
| 3.1 企业绩效评价体系综述 | 第33-36页 |
| 3.1.1 公司绩效评价概述 | 第33-34页 |
| 3.1.2 国有资本金评价系统 | 第34-35页 |
| 3.1.3 中央企业综合绩效评价 | 第35-36页 |
| 3.2 航空公司绩效评价概述 | 第36-37页 |
| 3.3 航空公司绩效评价体系的构建 | 第37-41页 |
| 3.3.1 构建的原则 | 第38页 |
| 3.3.2 航空公司绩效评价指标体系的建立 | 第38-41页 |
| 3.4 航空公司绩效评价体系的指标赋权 | 第41-44页 |
| 3.4.1 指标赋权方法比较 | 第41-43页 |
| 3.4.2 熵权法指标赋权的概念和计算过程 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于改进RBF神经网络的上市航空公司绩效评价研究 | 第45-57页 |
| 4.1 样本数据的选取和计算 | 第45-50页 |
| 4.1.1 样本数据的选取 | 第45-46页 |
| 4.1.2 样本数据的计算 | 第46-50页 |
| 4.2 改进RBF网络模型建立 | 第50-53页 |
| 4.3 上市航空公司绩效评价结果分析 | 第53-56页 |
| 4.3.1 上市航空公司绩效评价结果分析 | 第53-55页 |
| 4.3.2 基于改进RBF网络模型的航空公司绩效评估结果分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-75页 |
| 附录 1：上市航空公司绩效评价标准值 | 第63-64页 |
| 附录 2：用熵权法计算权值原始数据 | 第64-65页 |
| 附录 3：用熵权法计算权值数据标准化 | 第65-66页 |
| 附录 5：用熵权法计算权值指标信息熵 | 第66页 |
| 附录 6：训练集样本原始数据 | 第66-73页 |
| 附录 7: 随机抽取样本MATLAB程序 | 第73-75页 |
| 致谢 | 第75页 |