| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究目的 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 2 模糊综合评价、人工神经网络基本理论概述 | 第16-25页 |
| 2.1 模糊综合评价法基本理论 | 第16-17页 |
| 2.1.1 模糊综合评价法基本原理 | 第16页 |
| 2.1.2 模糊综合评价法关键步骤 | 第16-17页 |
| 2.2 层次分析法 | 第17-20页 |
| 2.2.1 建立层次结构模型 | 第17-18页 |
| 2.2.2 构造成对比较矩阵 | 第18页 |
| 2.2.3 单排序权重向量的确定及一致性检验 | 第18-19页 |
| 2.2.4 总排序权重向量的确定及一致性检验 | 第19-20页 |
| 2.3 人工神经网络 | 第20-21页 |
| 2.4 BP神经网络 | 第21-22页 |
| 2.4.1 BP算法步骤 | 第21-22页 |
| 2.4.2 BP算法的不足与改进 | 第22页 |
| 2.5 RBF神经网络 | 第22-24页 |
| 2.5.1 RBF神经网络类型 | 第22-23页 |
| 2.5.2 RBF神经网络学习算法 | 第23-24页 |
| 2.5.3 RBF网络的算法设计与求解步骤 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 基于RBF网络的FSE评级模型构建 | 第25-32页 |
| 3.1 RBF神经网络的网络结构 | 第25页 |
| 3.2 正规化网络（RN）的设计 | 第25-27页 |
| 3.2.1 正规化网络设计与构建 | 第25-26页 |
| 3.2.2 正规化网络算法设计和求解步骤 | 第26-27页 |
| 3.3 广义网络（GN）的设计 | 第27-28页 |
| 3.4 基于RBF神经网络的FSE评级模型 | 第28-31页 |
| 3.4.1 FSE评级模型的构建 | 第28-29页 |
| 3.4.2 基于RBF的FSE评级模型构建 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于RBF网络的FSE评级模型权重优化 | 第32-45页 |
| 4.1 评级指标的建立 | 第32页 |
| 4.2 企业综合实力评级指标的模糊处理 | 第32-33页 |
| 4.3 基于正规化网络的FSE评级模型权重优化 | 第33-38页 |
| 4.3.1 正规化网络的matlab实现 | 第33-34页 |
| 4.3.2 正规化网络结构参数设计 | 第34-38页 |
| 4.3.3 正规化网络确定评级指标权重 | 第38页 |
| 4.4 基于K-means聚类的广义网络的FSE评级模型权重优化 | 第38-44页 |
| 4.4.1 基于K-means聚类的广义网络的matlab编程实现 | 第38-40页 |
| 4.4.2 基于K-means聚类的广义网络结构参数设计 | 第40-44页 |
| 4.4.3 基于K-means聚类的广义网络确定评级指标权重 | 第44页 |
| 4.5 本章小结 | 第44-45页 |
| 5 权重优化效果分析 | 第45-50页 |
| 5.1 层次分析法确定评级指标权重 | 第45-47页 |
| 5.2 企业综合实力评级结果对比分析 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-51页 |
| 6.1 主要研究结论 | 第50页 |
| 6.2 本文的不足 | 第50-51页 |
| 7 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
