中文摘要 | 第1-5页 |
英文摘要 | 第5-10页 |
第1章 绪论 | 第10-23页 |
1.1 综合评价的基本概念和基本过程 | 第10-11页 |
1.1.1 综合评价的基本概念 | 第10页 |
1.1.2 综合评价的基本过程 | 第10-11页 |
1.2 定性与定量集成式综合评价及其智能决策支持系统研究的提出 | 第11-14页 |
1.2.1 具体研究背景的需求 | 第11页 |
1.2.2 从定性到定量综合集成方法的启发 | 第11-12页 |
1.2.3 当前综合评价中存在问题的思考 | 第12-14页 |
1.3 本文研究的意义 | 第14页 |
1.4 文献综述 | 第14-22页 |
1.4.1 综合评价的基本方法、应用及研究现状 | 第14-18页 |
1.4.2 决策支持系统的研究进展 | 第18-19页 |
1.4.3 智能决策支持系统的研究现状 | 第19-20页 |
1.4.4 与本文研究相关的理论方法简介 | 第20-22页 |
1.5 本文研究内容概要 | 第22-23页 |
第2章 多人多层次多目标综合评价问题的形式化 | 第23-35页 |
2.1 引言 | 第23页 |
2.2 多人多层次多目标综合评价的特征 | 第23-26页 |
2.3 多人多层次多目标综合评价问题的六元组描述方法 | 第26页 |
2.4 描述IS的有序评价树和最小有序评价树的概念 | 第26-30页 |
2.5 多人多层次多目标综合评价问题的求解规则 | 第30页 |
2.6 定量、半定量、定性评价知识的统一描述框架 | 第30-34页 |
2.6.1 评价指标节点知识的表示方法 | 第30-33页 |
2.6.2 子评价(评价)节点知识的表示方法 | 第33-34页 |
2.7 本章小结 | 第34-35页 |
第3章 多人多层次多目标综合评价问题的建模与推理求解 | 第35-52页 |
3.1 引言 | 第35页 |
3.2 最小有序评价树综合评价的机理 | 第35-48页 |
3.2.1 多种评价原则下的模糊运算模型 | 第37-38页 |
3.2.2 集成式多目标权系数赋值方法 | 第38-46页 |
3.2.3 最小有序评价的根节点评价矩阵的生成 | 第46-48页 |
3.3 基于知识的多人多层次多目标综合评价问题的推理求解方法 | 第48-51页 |
3.3.1 GER1下基于知识的模糊推理算法 | 第48-50页 |
3.3.2 GER2下基于知识的模糊推理算法 | 第50-51页 |
3.4 本章小结 | 第51-52页 |
第4章 人工神经网络综合评价模型 | 第52-63页 |
4.1 引言 | 第52页 |
4.2 人工神经元模型及ANN基本特征 | 第52-54页 |
4.2.1 人工神经元模型 | 第52-53页 |
4.2.2 ANN的基本特征 | 第53-54页 |
4.3 ANN用于综合评价的基本原理 | 第54-59页 |
4.3.1 三层BP神经网络结构 | 第54-56页 |
4.3.2 评价指标属性值的量化 | 第56页 |
4.3.3 BP神经网络学习模型 | 第56-57页 |
4.3.4 学习算法 | 第57-59页 |
4.4 基于组合神经网络的综合评价模型 | 第59-61页 |
4.5 人工神经网络综合评价模型的讨论 | 第61-62页 |
4.6 本章小结 | 第62-63页 |
第5章 定性与定量集成式综合评价智能决策支持系统(IEIDSS)的设计、实现与开发研究 | 第63-72页 |
5.1 引言 | 第63页 |
5.2 IEIDSS的基本结构与功能 | 第63-66页 |
5.3 CES的工作原理 | 第66-68页 |
5.4 IEIDSS的实现技术与方法 | 第68-69页 |
5.5 IEIDSS的开发策略 | 第69-71页 |
5.6 本章小结 | 第71-72页 |
第6章 应用实例:智能型供电企业营业状况综合评价决策支持系统 | 第72-85页 |
6.1 供电企业营业状况综合评价的意义 | 第72-73页 |
6.2 供电企业营业状况的多层次综合评价指标体系 | 第73-74页 |
6.3 IECEDSS的建立及其具有的功能 | 第74-76页 |
6.4 IECEDSS的智能化特征 | 第76-79页 |
6.4.1 人机交互接口灵活、适应性强 | 第76-77页 |
6.4.2 信息查询多样化 | 第77页 |
6.4.3 样本模式评价知识的自动获取 | 第77-79页 |
6.5 具体评价实例及结果分析 | 第79-84页 |
6.6 本章小结 | 第84-85页 |
结论 | 第85-87页 |
参考文献 | 第87-91页 |
攻读硕士学位期间所发表的论文 | 第91-92页 |
致谢 | 第92页 |