| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·统计学 | 第9-10页 |
| ·统计学概述 | 第9页 |
| ·统计学的定义 | 第9-10页 |
| ·综合评价 | 第10-12页 |
| ·综合评价的定义 | 第10页 |
| ·综合评价的分类 | 第10页 |
| ·综合评价方法的特点 | 第10-11页 |
| ·综合评价方法的要素 | 第11页 |
| ·综合评价方法的步骤 | 第11-12页 |
| ·灰色系统理论及灰色评估 | 第12-17页 |
| ·灰色系统理论 | 第12-14页 |
| ·灰色评估的定义 | 第14页 |
| ·灰色评估的意义 | 第14-15页 |
| ·灰色评理论估的发展现状 | 第15-17页 |
| 2 预备知识 | 第17-22页 |
| ·灰色关联度 | 第17页 |
| ·k-最邻近分类法 | 第17-18页 |
| ·Logistic 曲线相关知识 | 第18-19页 |
| ·生长曲线(S 型曲线) | 第18页 |
| ·Logistic 曲线 | 第18-19页 |
| ·灰色综合评价方法简介 | 第19-20页 |
| ·单层次（目标 Bk）灰色评估 | 第19-20页 |
| ·结构不同的多层次灰关联评估 | 第20页 |
| ·符号 | 第20-22页 |
| 3 基于 k-最邻近分类法的灰色评估方法 | 第22-34页 |
| ·问题的一般描述 | 第22页 |
| ·基于 k-NN 方法对当前专家评分矩阵修正的基本原理和算法过程 | 第22-27页 |
| ·算法的基本原理 | 第22-23页 |
| ·算法的分析过程 | 第23-27页 |
| ·算法的步骤 | 第27页 |
| ·算法实例 | 第27-32页 |
| ·算法评析 | 第32-34页 |
| ·算法的优点 | 第32页 |
| ·算法的缺点 | 第32-34页 |
| 4 基于 Logistic 曲线的 k-NN 灰色评估方法 | 第34-41页 |
| ·解决前文所述缺陷的思路 | 第34页 |
| ·Logistic 曲线的修正函数的基本思想 | 第34页 |
| ·Logistic 曲线的修正函数的构造 | 第34-38页 |
| ·算法的一般步骤 | 第38-39页 |
| ·算法实例 | 第39-40页 |
| ·算法评析 | 第40-41页 |
| 5 考虑指标权重情况下的基于 Logistic 曲线的 k-NN 灰色评估方法 | 第41-48页 |
| ·Logistic 算法的改进思想 | 第41-42页 |
| ·考虑权重情况下 Logistic 算法的一般步骤 | 第42-43页 |
| ·算法实例 | 第43-47页 |
| ·算法评析 | 第47-48页 |
| 6 软件实现及说明 | 第48-49页 |
| 7 总结 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录 | 第52-83页 |
| 读研期间科研成果简介 | 第83-84页 |
| 致谢 | 第84页 |
