| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景和研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·动态联盟国内外研究现状 | 第10-12页 |
| ·动态联盟伙伴选择国内外研究现状 | 第12-13页 |
| ·论文的主要研究内容及技术路线 | 第13-14页 |
| ·论文的结构 | 第14-15页 |
| 第2章 动态联盟 | 第15-19页 |
| ·动态联盟概述 | 第15页 |
| ·影响动态联盟伙伴绩效的因素 | 第15-16页 |
| ·动态联盟伙伴绩效的评价方法 | 第16-19页 |
| 第3章 建设项目动态联盟候选伙伴绩效评价体系 | 第19-23页 |
| ·建设项目动态联盟候选伙伴绩效评价体系的内涵 | 第19页 |
| ·建设项目候选伙伴绩效评价 | 第19-23页 |
| ·建设项目候选伙伴绩效影响因素 | 第19-20页 |
| ·建设项目候选伙伴绩效评价指标 | 第20-23页 |
| 第4章 单一动态联盟候选伙伴绩效评价模型 | 第23-45页 |
| ·实验数据的选取与预处理 | 第23-27页 |
| ·实验数据的选取 | 第23-25页 |
| ·实验数据预处理 | 第25-27页 |
| ·基于多元线性回归的动态联盟候选伙伴绩效评价模型 | 第27-31页 |
| ·多元线性回归模型概述 | 第27页 |
| ·多元线性回归模型的检验 | 第27-29页 |
| ·多元线性回归参数的确定 | 第29页 |
| ·多元线性回归在建设项目动态联盟候选伙伴绩效评价中的应用 | 第29-31页 |
| ·基于灰色GM(1，N)模型的动态联盟候选伙伴绩效评价模型 | 第31-34页 |
| ·灰色模型概述 | 第31页 |
| ·灰色GM(1，N)预测模型计算步骤 | 第31-32页 |
| ·灰色GM(1，N)模型在动态联盟候选伙伴绩效评价中的应用 | 第32-34页 |
| ·基于RBF神经网络的动态联盟候选伙伴绩效评价模型 | 第34-38页 |
| ·RBF神经网络概述 | 第34-35页 |
| ·RBF神经网络学习参数及其学习方法 | 第35-37页 |
| ·RBF神经网络在动态联盟候选伙伴绩效评价中的应用 | 第37-38页 |
| ·基于SVM的动态联盟候选伙伴绩效评价模型 | 第38-45页 |
| ·SVM概述 | 第38-42页 |
| ·SVM常用核函数 | 第42-43页 |
| ·模型参数选择 | 第43页 |
| ·SVM在动态联盟候选伙伴绩效评价中的应用 | 第43-45页 |
| 第5章 基于ELM的伙伴绩效组合智能评价模型 | 第45-53页 |
| ·极限学习机概述 | 第45-47页 |
| ·组合预测 | 第47-48页 |
| ·建立模型 | 第48页 |
| ·非线性组合模型评价 | 第48-49页 |
| ·模拟结果与误差比较 | 第49-53页 |
| 第6章 结论 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61页 |
