| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-23页 |
| ·研究的背景与目的 | 第15-17页 |
| ·研究背景 | 第15-16页 |
| ·研究目的 | 第16-17页 |
| ·国内外研究现状 | 第17-20页 |
| ·国外研究现状 | 第17页 |
| ·国内研究现状 | 第17-19页 |
| ·研究现状评述 | 第19-20页 |
| ·论文结构 | 第20-21页 |
| ·研究方法 | 第21-22页 |
| ·论文创新点 | 第22-23页 |
| 第2章 相关理论概述 | 第23-29页 |
| ·效率与有效前沿面 | 第23页 |
| ·DEA 模型和 SFA 模型 | 第23-25页 |
| ·DEA 简介 | 第23-24页 |
| ·SFA 简介 | 第24页 |
| ·DEA 和 SFA 优劣势比较 | 第24-25页 |
| ·BP 神经网络技术 | 第25-28页 |
| ·人工神经网络技术简介 | 第25-26页 |
| ·BP 神经网络特点 | 第26-28页 |
| ·BP 神经网络的弹性分析 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 中韩日造船业概况 | 第29-44页 |
| ·造船产业的特点 | 第29-30页 |
| ·三密集型产业 | 第29页 |
| ·单件小批生产方式 | 第29-30页 |
| ·强周期性行业 | 第30页 |
| ·世界造船业格局 | 第30-32页 |
| ·转移路径 | 第30-31页 |
| ·竞争格局 | 第31-32页 |
| ·中韩日三国造船业现状 | 第32-39页 |
| ·日本造船业现状 | 第32-33页 |
| ·韩国造船业现状 | 第33-36页 |
| ·中国造船业现状 | 第36-39页 |
| ·中韩日三国主要造船企业 | 第39-40页 |
| ·中国造船业优劣势分析 | 第40-43页 |
| ·中国造船业优势分析 | 第40-41页 |
| ·中国造船业劣势分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于 StoNED 的中韩日造船业效率分析 | 第44-60页 |
| ·StoNED 模型的介绍 | 第44-49页 |
| ·基本 StoNED 模型 | 第44-46页 |
| ·面板数据模型 | 第46-48页 |
| ·多产出模型 | 第48-49页 |
| ·可行性分析与数据选取 | 第49-55页 |
| ·可行性分析 | 第49页 |
| ·应用原则 | 第49-50页 |
| ·变量的选取与采集 | 第50-55页 |
| ·数据处理和模型计算 | 第55-59页 |
| ·模型构建 | 第55-56页 |
| ·模型测算 | 第56-57页 |
| ·模型分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于 BP 神经网络的效率弹性分析 | 第60-70页 |
| ·BP 神经网络的算法简介 | 第60-62页 |
| ·BP 神经网络基本模型 | 第60页 |
| ·BP 神经网络算法实现 | 第60-62页 |
| ·数据的采集与处理 | 第62页 |
| ·BP 神经网络的仿真 | 第62-67页 |
| ·无量纲化处理 | 第62-63页 |
| ·拓扑结构设计 | 第63-64页 |
| ·相关参数设计 | 第64-65页 |
| ·神经网络建立 | 第65-66页 |
| ·有效性检验 | 第66-67页 |
| ·效率弹性及影响因素分析 | 第67-69页 |
| ·效率的弹性分析 | 第67页 |
| ·效率的影响因素分析 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 提高中国造船业效率的对策建议 | 第70-75页 |
| ·产业层面对策建议 | 第70-72页 |
| ·改善造船企业融资环境 | 第70页 |
| ·积极开展兼并重组战略 | 第70-71页 |
| ·帮助企业转变增长方式 | 第71页 |
| ·建设船舶产业研究机构 | 第71-72页 |
| ·企业层面对策建议 | 第72-74页 |
| ·协调发展规模和效率 | 第72页 |
| ·强化技术创新及人才培养 | 第72-73页 |
| ·提高市场预测能力 | 第73页 |
| ·提升信息化管理水平 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 结论与展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间发表的学术论文 | 第80-81页 |
| 致谢 | 第81-82页 |
| 详细摘要 | 第82-86页 |