| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-19页 |
| ·研究背景 | 第8-9页 |
| ·研究目的及意义 | 第9页 |
| ·国内外研究综述 | 第9-17页 |
| ·企业综合经营效率评价方法 | 第9-11页 |
| ·数据包络分析法 | 第11-13页 |
| ·神经网络模型 | 第13-17页 |
| ·研究思路、逻辑结构及主要内容 | 第17-19页 |
| ·研究思路 | 第17页 |
| ·逻辑结构及研究内容 | 第17-19页 |
| 第2章 DEA模型及粒子群神经网络理论基础 | 第19-29页 |
| ·DEA模型理论基础 | 第19-22页 |
| ·DEA方法概述 | 第19-20页 |
| ·经典的DEA模型C~2R | 第20-21页 |
| ·带约束锥的DEA模型 | 第21-22页 |
| ·粒子群神经网络理论基础 | 第22-29页 |
| ·经典粒子群算法概述 | 第22页 |
| ·经典粒子群算法的原理 | 第22-24页 |
| ·经典粒子群算法的流程 | 第24-25页 |
| ·BP神经网络方法描述 | 第25页 |
| ·BP神经网络的基本原理 | 第25-27页 |
| ·BP神经网络的实现流程 | 第27-29页 |
| 第3章 第一阶段评价-基于偏好约束锥的DEA评价 | 第29-38页 |
| ·引言 | 第29页 |
| ·对目标偏好的指标权重确定方法 | 第29-35页 |
| ·指标主观权重的确定 | 第30页 |
| ·指标客观权重的确定 | 第30-33页 |
| ·指标主、客观权重的集结 | 第33-35页 |
| ·含偏好约束锥的DEA模型构造方法 | 第35-38页 |
| ·偏好约束锥的构造 | 第35-36页 |
| ·基于偏好约束锥的SO-DEA模型 | 第36-38页 |
| 第4章 第二阶段评价-基于量子粒子群神经网络的评价 | 第38-46页 |
| ·引言 | 第38页 |
| ·样本的选择及处理 | 第38-39页 |
| ·样本的选择 | 第38-39页 |
| ·样本的数据处理 | 第39页 |
| ·模型的结构设计 | 第39-43页 |
| ·神经网络层数的确定 | 第40页 |
| ·神经网络节点数的确定 | 第40-41页 |
| ·神经网络转移函数的选择 | 第41-42页 |
| ·神经网络的整体结构 | 第42-43页 |
| ·模型的量子粒子群学习算法 | 第43-46页 |
| ·算法的流程 | 第43页 |
| ·算法实现的关键步骤 | 第43-46页 |
| 第5章 实例分析 | 第46-59页 |
| ·样本企业及评价指标的确定 | 第46-47页 |
| ·第一阶段评价的实施 | 第47-53页 |
| ·指标权重的确定 | 第47-50页 |
| ·偏好约束锥及SO-DEA模型的构建 | 第50-51页 |
| ·评价实施与结果分析 | 第51-53页 |
| ·第二阶段评价的实施 | 第53-59页 |
| ·参数的设置 | 第53-54页 |
| ·评价实施与结果分析 | 第54-59页 |
| 结束语 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 附录1 | 第68-70页 |
| 附录2 | 第70-71页 |
| 附录3 | 第71-77页 |
| 攻读学位期间主要研究成果 | 第77页 |