政府投资代建制项目的治理结构决策模型研究--基于人工神经网络算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 问题的提出 | 第10-11页 |
| 1.3 研究内容和技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 技术路线 | 第12-13页 |
| 1.4 研究意义及创新点 | 第13-15页 |
| 1.4.1 研究意义 | 第13-14页 |
| 1.4.2 创新点 | 第14-15页 |
| 2 国内外相关研究述评及本文的理论基础 | 第15-24页 |
| 2.1 代建制项目研究与发展述评 | 第15-17页 |
| 2.2 项目治理研究与发展述评 | 第17-19页 |
| 2.3 人工神经网络的基本理论与研究述评 | 第19-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 代建制项目关键影响因素的识别 | 第24-38页 |
| 3.1 关键影响因素的文本统计分析 | 第24-29页 |
| 3.1.1 文本分析总体设计 | 第24-25页 |
| 3.1.2 关键影响因素的研究总结 | 第25-26页 |
| 3.1.3 关键影响因素的文本分析结果 | 第26-29页 |
| 3.2 关键影响因素的多案例分析 | 第29-37页 |
| 3.2.1 多案例分析总体设计 | 第29-31页 |
| 3.2.2 案例分析与关键影响因素遴选 | 第31-37页 |
| 3.3 关键影响因素的汇总 | 第37-38页 |
| 4 代建制项目治理结构决策模型的构建 | 第38-59页 |
| 4.1 代建制项目不同治理强度与治理结构解析 | 第38-39页 |
| 4.2 人工神经网络模型的初步构建 | 第39-46页 |
| 4.2.1 网络的输入输出 | 第42-44页 |
| 4.2.2 网络的学习算法 | 第44-45页 |
| 4.2.3 隐藏层数和隐节点数设计 | 第45-46页 |
| 4.2.4 初始权值及误差的选取 | 第46页 |
| 4.3 网络学习样本采集 | 第46-49页 |
| 4.3.1 样本数量的确定 | 第46-47页 |
| 4.3.2 样本采集 | 第47-49页 |
| 4.4 网络模型的训练与测试 | 第49-56页 |
| 4.4.1 单隐藏层网络训练与测试 | 第49-53页 |
| 4.4.2 双隐藏层网络训练与测试 | 第53-55页 |
| 4.4.3 训练结果比较分析 | 第55-56页 |
| 4.5 模型的成型描述及用户界面创建 | 第56-59页 |
| 5 代建制项目的实例试算与结果分析 | 第59-62页 |
| 5.1 实例概况描述 | 第59页 |
| 5.2 关键影响因素的量化处理 | 第59-60页 |
| 5.3 网络模型的试算与分析 | 第60-62页 |
| 研究结论与展望 | 第62-64页 |
| 附录A 用于文本分析的文献总结 | 第64-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |
