基于GFNN的高校建设项目绩效评级研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-16页 |
| ·选题的背景和意义 | 第10-12页 |
| ·论文的研究背景 | 第10-11页 |
| ·论文的研究意义 | 第11-12页 |
| ·国内外相关研究综述 | 第12-14页 |
| ·国外公共项目绩效评价研究 | 第12-13页 |
| ·我国公共项目绩效评价研究及问题 | 第13-14页 |
| ·论文研究的主要内容及框架 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·研究框架 | 第15-16页 |
| 2 高校建设项目绩效评价理论 | 第16-23页 |
| ·高校建设项目的相关概念 | 第16-18页 |
| ·高校建设项目的定义 | 第16页 |
| ·高校建设项目的特征 | 第16-17页 |
| ·高校建设项目的地位与作用 | 第17-18页 |
| ·绩效评价理论 | 第18-21页 |
| ·绩效评价的定义 | 第18-19页 |
| ·绩效评价的特征 | 第19页 |
| ·绩效评价的原则 | 第19-20页 |
| ·绩效评价的基本内容 | 第20-21页 |
| ·高校建设项目绩效评价 | 第21-23页 |
| ·高校建设项目绩效评价目的 | 第21页 |
| ·高校建设项目绩效评价特点 | 第21-22页 |
| ·高校建设项目绩效评价内容 | 第22-23页 |
| 3 绩效评价方法及遗传模糊神经网络技术 | 第23-45页 |
| ·常用绩效评价方法简介及比较 | 第23-28页 |
| ·逻辑框架法 | 第23-24页 |
| ·数据包络分析法 | 第24-25页 |
| ·加权评估法 | 第25-26页 |
| ·层次分析法 | 第26-27页 |
| ·人工神经网络技术 | 第27-28页 |
| ·几种方法的比较 | 第28页 |
| ·遗传算法理论 | 第28-31页 |
| ·遗传算法概述 | 第28-29页 |
| ·遗传算法的特点 | 第29-30页 |
| ·遗传算法的应用领域 | 第30-31页 |
| ·模糊技术 | 第31-35页 |
| ·模糊性与模糊集 | 第31-32页 |
| ·相对隶属度与相对隶属度函数 | 第32-33页 |
| ·相对差异函数与模糊可变集合 | 第33-34页 |
| ·模糊优选模型 | 第34-35页 |
| ·神经网络技术 | 第35-38页 |
| ·人工神经网络 | 第35-36页 |
| ·神经网络的基本模型 | 第36-37页 |
| ·BP神经网络 | 第37-38页 |
| ·遗传模糊神经网络技术 | 第38-45页 |
| ·遗传算法与神经网络结合原理 | 第38-39页 |
| ·遗传算法与神经网络结合方式 | 第39-40页 |
| ·遗传算法用于神经网络权值的优化 | 第40页 |
| ·模糊神经网络概述 | 第40-41页 |
| ·模糊技术与神经网络融合 | 第41-42页 |
| ·模糊技术与神经网络结合方式 | 第42-45页 |
| 4 构建高校建设项目绩效评价体系 | 第45-58页 |
| ·指标体系构建原则 | 第45-46页 |
| ·指标体系设计 | 第46-47页 |
| ·评价指标说明 | 第47-52页 |
| ·必要性评价指标说明 | 第47-48页 |
| ·济效益评价指标说明 | 第48-50页 |
| ·社会效益评价指标说明 | 第50-51页 |
| ·环境效益评价指标说明 | 第51-52页 |
| ·构建高校建设项目绩效评价模型 | 第52-58页 |
| ·模型结构确定 | 第52页 |
| ·样本数据预处理 | 第52-55页 |
| ·模型的学习 | 第55-57页 |
| ·模型训练与测试 | 第57-58页 |
| 5 实证分析 | 第58-62页 |
| ·项目介绍 | 第58-60页 |
| ·评价结果 | 第60-62页 |
| 6 结论与展望 | 第62-64页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录1 高校建设项目绩效评价指标体系评分表 | 第67-69页 |
| 附录2 主要技术经济指标表 | 第69-70页 |
| 附录3 借款还本付息表 | 第70-71页 |
| 附录4 项目的社会影响分析表 | 第71-72页 |
| 附录5 环境影响矩阵分析表 | 第72-73页 |
| 攻读硕士学位期间发表学术论文情况 | 第73-74页 |
| 致谢 | 第74-75页 |
