基于RS-BP神经网络的煤炭企业绩效评价研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·目前研究中存在的问题 | 第14页 |
| ·研究内容及方法 | 第14-17页 |
| ·研究内容 | 第14-15页 |
| ·研究方法 | 第15页 |
| ·本文的创新点 | 第15页 |
| ·技术路线 | 第15-17页 |
| 第2章 煤炭企业绩效评价理论 | 第17-23页 |
| ·企业绩效评价理论 | 第17-18页 |
| ·企业绩效评价的概念 | 第17页 |
| ·企业绩效在煤炭领域的应用 | 第17-18页 |
| ·企业绩效过程与功能 | 第18-21页 |
| ·绩效评价的过程 | 第18-20页 |
| ·绩效评价的功能 | 第20-21页 |
| ·企业绩效评价的基本要素 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 煤炭企业绩效评价指标体系 | 第23-33页 |
| ·煤炭企业绩效评价指标的设计原则 | 第23-24页 |
| ·煤炭企业绩效指标分析 | 第24-31页 |
| ·财务绩效指标 | 第24-25页 |
| ·管理绩效指标 | 第25-26页 |
| ·技术创新指标层次 | 第26-27页 |
| ·可持续发展指标层次 | 第27-28页 |
| ·环境指标层次 | 第28-30页 |
| ·安全指标层次 | 第30-31页 |
| ·煤炭企业绩效评价指标体系 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第4章 基于粗集—BP神经网络的评价模型 | 第33-50页 |
| ·人工和BP神经网络理论 | 第33-37页 |
| ·人工神经元模型 | 第33-34页 |
| ·人工神经网络处理信息的基本特性 | 第34页 |
| ·人工神经网络存在的不足 | 第34页 |
| ·BP神经网络理论 | 第34-37页 |
| ·基于粗集的绩效评价指标筛选 | 第37-42页 |
| ·粗集基本理论 | 第37-40页 |
| ·应用粗集进行指标筛选的可行性 | 第40-41页 |
| ·基于粗集的属性约简 | 第41-42页 |
| ·RS—BP神经网络混合方法分析 | 第42-43页 |
| ·RS—BP神经网络模型建立的步骤 | 第43-45页 |
| ·未确知及AHM理论 | 第45-49页 |
| ·未确知基本原理 | 第46页 |
| ·未确知测度模型 | 第46-48页 |
| ·基于未确知—AHM的综合评价过程 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 煤炭企业绩效评价实证分析 | 第50-65页 |
| ·项目简介 | 第50页 |
| ·数据搜集 | 第50-51页 |
| ·基于RS-BP的煤炭企业绩效评价模型 | 第51-60页 |
| ·MATLAB软件简介 | 第54-56页 |
| ·BP网络结构及参数选取 | 第56-59页 |
| ·网络的误差检测 | 第59-60页 |
| ·未确知—AHM综合评价 | 第60-61页 |
| ·对比分析 | 第61-62页 |
| ·煤炭企业绩效评价措施 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 结论与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70页 |
