| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 我国物流业发展现状 | 第9-10页 |
| 1.1.2 物流企业联盟—中小物流企业生存与发展的必然选择 | 第10-11页 |
| 1.2 论文的研究意义 | 第11-12页 |
| 1.3 物流联盟伙伴选择方法研究综述 | 第12-14页 |
| 1.3.1 国内外研究综述 | 第12-13页 |
| 1.3.2 现有研究的不足 | 第13-14页 |
| 1.4 研究方法和内容 | 第14-16页 |
| 1.4.1 研究方法 | 第14页 |
| 1.4.2 研究内容 | 第14-16页 |
| 第二章 物流企业联盟伙伴选择的理论基础 | 第16-26页 |
| 2.1 物流企业联盟的内涵 | 第16-20页 |
| 2.1.1 物流企业联盟 | 第16-17页 |
| 2.1.2 物流企业联盟模式类型 | 第17-20页 |
| 2.2 物流企业联盟的发展状况 | 第20-21页 |
| 2.3 适合我国物流企业的联盟模式及伙伴选择特点 | 第21-23页 |
| 2.3.1 适合我国物流企业的联盟模式探讨 | 第21-22页 |
| 2.3.2 不同联盟模式的伙伴选择特点 | 第22-23页 |
| 2.4 物流联盟伙伴的选择方法概述 | 第23-25页 |
| 2.4.1 联盟伙伴选择的原则 | 第23页 |
| 2.4.2 联盟伙伴选择的方法分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 联盟伙伴选择指标体系的建立 | 第26-37页 |
| 3.1 指标体系设计的原则 | 第26-27页 |
| 3.2 现有评价指标体系的研究分析 | 第27-30页 |
| 3.2.1 国外评价指标研究概况 | 第27-28页 |
| 3.2.2 国内评价指标研究概况 | 第28-29页 |
| 3.2.3 国内外评价指标体系分析 | 第29-30页 |
| 3.3 评价指标体系的构建 | 第30-31页 |
| 3.4 指标体系的内涵 | 第31-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于 PCA-BP 神经网络的联盟伙伴评价模型的建立 | 第37-50页 |
| 4.1 主成分分析法 | 第37-40页 |
| 4.1.1 主成分分析法的原理 | 第37-38页 |
| 4.1.2 主成分分析法的实现步骤 | 第38-40页 |
| 4.2 BP 神经网络 | 第40-44页 |
| 4.2.1 BP 神经网络原理及拓扑结构 | 第40-42页 |
| 4.2.2 BP 算法的推导过程 | 第42-43页 |
| 4.2.3 BP 神经网络的训练 | 第43-44页 |
| 4.3 基于 PCA-BP 神经网络的物流联盟伙伴选择模型 | 第44-47页 |
| 4.3.1 神经网络层数的确定 | 第44-46页 |
| 4.3.2 激励函数的选择 | 第46页 |
| 4.3.3 BP 神经网络模型的建立 | 第46-47页 |
| 4.4 面向 MATLAB 的 BP 神经网络设计 | 第47-49页 |
| 4.4.1 神经网络的创建 | 第48页 |
| 4.4.2 BP 神经网络的初始化 | 第48页 |
| 4.4.3 BP 神经网络的训练与仿真 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 YL 物流企业联盟伙伴选择实例分析 | 第50-62页 |
| 5.1 联盟伙伴选择案例概述 | 第50-52页 |
| 5.1.1 联盟企业背景 | 第50-51页 |
| 5.1.2 YL 物流企业联盟伙伴选择概况 | 第51-52页 |
| 5.2 PCA-BP 神经网络模型的应用 | 第52-61页 |
| 5.2.1 YL 物流联盟伙伴选择 BP 神经网络模型的建立 | 第52-56页 |
| 5.2.2 神经网络的训练 | 第56-59页 |
| 5.2.3 BP 神经网络模型的检测与应用 | 第59-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录一 | 第67-69页 |
| 附录二 | 第69-71页 |
| 攻读学位期间主要研究成果 | 第71-72页 |
| 致谢 | 第72页 |
