【正文】 1 43 24 1 24 1 44 25 1 25 1 45 26 1 26 1 46 27 1 27 1 47 28 1 28 1 48 29 1 29 1 49 210 1 30 1 50 211 1 31 2 51 212 1 32 2 52 213 1 33 2 53 214 1 34 2 54 215 1 35 2 55 216 1 36 2 56 217 1 37 2 57 218 1 38 2 58 219 1 39 2 59 220 1 40 2 60 2表 33：訓(xùn)練樣本的識(shí)別率經(jīng)營(yíng)“好”的企業(yè) 經(jīng)營(yíng)“差”的企業(yè) 總計(jì)訓(xùn)練樣本 30 30 60正確識(shí)別數(shù) 30 30 60正確識(shí)別率 100% 100% 100%西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 21為了檢驗(yàn)網(wǎng)絡(luò)的推廣能力，下面我們將 2022 年第二季度滬市交易所 20 家上市企業(yè)作為測(cè)試樣本， （原始數(shù)據(jù)的測(cè)試樣本見附錄二，經(jīng)營(yíng)“好”的企業(yè) 10 個(gè)，經(jīng)營(yíng)“差”的企業(yè)10 個(gè)） ，利用上述訓(xùn)練好的 PNN 網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行兩類模式分類。測(cè)試樣本的網(wǎng)絡(luò)輸出結(jié)果如下：（見表 34）表 34 測(cè)試樣本的網(wǎng)絡(luò)輸出值序號(hào) 1 2 3 4 5 6 7 8 9 10網(wǎng)絡(luò)輸出值 1 1 1 1 1 1 1 1 1 1序號(hào) 11 12 13 14 15 16 17 18 19 20網(wǎng)絡(luò)輸出值 2 2 1 2 2 2 2 1 2 2表 35：測(cè)試樣本的識(shí)別率經(jīng)營(yíng)“好”的企業(yè) 經(jīng)營(yíng)“差”的企業(yè) 總計(jì)測(cè)試樣本 10 10 20正確識(shí)別數(shù) 10 8 18正確識(shí)別率 100% 80% 90%在表 34 中，序號(hào) 110 的網(wǎng)絡(luò)輸出值是測(cè)試樣本為經(jīng)營(yíng)“好”的企業(yè)的網(wǎng)絡(luò)輸出，即類 1 所對(duì)應(yīng)的網(wǎng)絡(luò)輸出；序號(hào) 1120 的網(wǎng)絡(luò)輸出值是測(cè)試樣本為經(jīng)營(yíng)“差”的企業(yè)的網(wǎng)絡(luò)輸出,即類 2 所對(duì)應(yīng)的網(wǎng)絡(luò)輸出。測(cè)試樣本的正確識(shí)別個(gè)數(shù)及識(shí)別率見表 35，從表 35 可以看出，上面所建立的基于PNN 網(wǎng)絡(luò)的企業(yè)評(píng)價(jià)模型對(duì)測(cè)試樣本集的分類準(zhǔn)確率達(dá)到 90%。 本 章 小 結(jié)本章利用 SPSS 中的逐步回歸法對(duì)我國(guó) 2022 年第二季度公布的滬市交易所的 80 家企業(yè)的 12 個(gè)指標(biāo)——每股凈資產(chǎn)、凈資產(chǎn)收益率、每股經(jīng)營(yíng)現(xiàn)金、每股公積金、每股未分配、西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 22股東權(quán)益比、凈利潤(rùn)同比、主營(yíng)收入同比、銷售毛利率、固定資產(chǎn)比、負(fù)債比、資本公積金比進(jìn)行篩選，最終得到 4 個(gè)指標(biāo)：主營(yíng)收入同比, 每股凈資產(chǎn), 固定資產(chǎn)比, 銷售毛利率。通過概率神經(jīng)網(wǎng)絡(luò)建立兩類模式分類的企業(yè)評(píng)價(jià)模型。以其中的 60 家企業(yè)數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練后的網(wǎng)絡(luò)模型對(duì)訓(xùn)練樣本的正確識(shí)別率為 100%，最后，為了檢驗(yàn)網(wǎng)絡(luò)的推廣能力，用 20家公司數(shù)據(jù)作為測(cè)試樣本，仿真結(jié)果表明：對(duì)測(cè)試樣本的正確識(shí)別率為 90%，因此建立的概率神經(jīng)網(wǎng)絡(luò)的企業(yè)評(píng)價(jià)模型是一種非常有效的分類方法。西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 23第 四 章 結(jié) 論對(duì)企業(yè)的正確評(píng)價(jià)可以為我們的投資決策起指導(dǎo)作用，還可以為我們提前預(yù)警可能的風(fēng)險(xiǎn)。本文第一章介紹了評(píng)價(jià)的基本方法，第二章對(duì)概率神經(jīng)網(wǎng)絡(luò)的原理進(jìn)行了闡述，第三章應(yīng)用 PNN 來對(duì)企業(yè)做出評(píng)價(jià)。首先，利用逐步回歸方法從 60 家上市公司的 12 個(gè)財(cái)務(wù)指標(biāo)進(jìn)行篩選得到與企業(yè)收益率顯著相關(guān)的 4 個(gè)指標(biāo)。其次，以這 4 個(gè)財(cái)務(wù)指標(biāo)為輸入向量，以企業(yè)的好差情況為輸出向量，利用 60 家上市數(shù)據(jù)建立并訓(xùn)練概率神經(jīng)網(wǎng)絡(luò)。最后，對(duì)訓(xùn)練樣本和測(cè)試樣本進(jìn)行了仿真，仿真結(jié)果表明：利用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)分類評(píng)價(jià)的是一種非常有效的方法。概率神經(jīng)網(wǎng)絡(luò)常用來解決分類問題。當(dāng)訓(xùn)練樣本數(shù)據(jù)足夠多時(shí)，概率神經(jīng)網(wǎng)絡(luò)收斂于一個(gè)貝葉斯分類器，而且推廣性良好。概率神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率雖然比較高，但是也有自己的局限性，當(dāng)輸入樣本數(shù)目過多時(shí)，計(jì)算將變的復(fù)雜，耗時(shí)較長(zhǎng)，因此運(yùn)算速度比較緩慢。因此，后面的研究可以嘗試與其他方法相結(jié)合來達(dá)到更省時(shí)、更精確的目的。西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 24參 考 文 獻(xiàn)[1] [M]，北京：科學(xué)出版社，1998：11，534.[2] 徐勇，荊濤等譯 .神經(jīng)網(wǎng)絡(luò)模式識(shí)別及其實(shí)現(xiàn)[M]，北京：電子工業(yè)出版社，1996：8794.[3] [M]，西安：西安電子科技人學(xué)出版社，1990：12，115.[4] 楊克磊， [J]，沈陽(yáng)理工大學(xué)學(xué)報(bào)，2022，7(2)： 6770.[5] 王春秀 .AHP模糊綜合評(píng)價(jià)法在崗位評(píng)價(jià)與績(jī)效評(píng)估中的應(yīng)用研究[D]，碩士， 2022：110.[6] 《編輯學(xué)報(bào)》的核心著者[J] ，寶雞文理學(xué)院學(xué)報(bào)，2022，2（1）：9195.[7] [J] ，中國(guó)電子商務(wù)，2022，7： 5253.[8] TingYu Chen， ChuehYung Tsao. The intervalvalued fuzzy TOPSIS method and experimental analysis[J], Fuzzy Sets and Systems, 2022， 159(11)：4356.[9] 毛曉敏，尚松浩 .基于數(shù)據(jù)包絡(luò)分析的統(tǒng)計(jì)預(yù)測(cè)模型有效性評(píng)價(jià)[D]，碩士，2022：115.[10] WANG Zhengsuang. Optimization of Coarse Aggregate Content based on Efficacy Coefficient[J]，Journal of Wuhan University of Technology(Materials Science Edition)，2022，2：15.[11] 徐夢(mèng)丹，[J] ，廣東藥學(xué)院學(xué)報(bào)， 2022，23(2)： 9094.[12] JP PastorFerrando，P AragonesBeltran，A HospitalerPerez. An ANPand AHPbased approach for weighting criteria in public works bidding [J]，The Journal of the Operational Research Society，2022，61(6)：4041.[13] Wong WE， Qi Y. BP neural work based effective fault location[J]，International journal of software engineering and knowledge engineering，2022，19(4)：7577.西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 25[14] 劉洪德， BP 神經(jīng)網(wǎng)絡(luò)的汽車工業(yè)企業(yè)自主創(chuàng)新力評(píng)價(jià)[J]，技術(shù)經(jīng)濟(jì)與管理研究，2022，(5)：2325.[15] Tripathy，. Transformer Differential Protection Based On Optimal Probabilistic Neural Network [J]，IEEE Transactions on Power Delivery，2022，25(1)：24 30.[16] Specht D neural works[J]，Neural Networks ，1990，3：109118.[17] [D]，博士，北京交通大學(xué)，2022：3035.[18] Gary W. Chang， ChengI Chen， YuFeng Teng. RadialBasisFunctionBased Neural Network for Harmonic Detection [J]， IEEE Transactions on Industrial Electronics， 2022，57(6)：89.[19] 何曉群，劉文卿 .應(yīng)用回歸分析[M]，北京：中國(guó)人民大學(xué)出版社，2022：2，159161.[20] Li DHW，Tang HL，Lee EWM，Muneer T. Classification of CIE standard skies using probabilistic neural works[J]，2022，30(2)：4657.[21] Gang Yu，Changning Li，Sagar Kamarthi. Machine fault diagnosis using a clusterbased wavelet feature extraction and probabilistic neural works [J]，The International Journal of Advanced Manufacturing Technology ，2022，42(1/2)：4548.[22] 張德豐． matlab 神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)[M]，北京：機(jī)械工業(yè)出版社， 2022：166168.[23] 蘇君毅，過仲陽(yáng)，[J] ，上海地質(zhì)，2022，4(3) ：2730.西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 26附 錄附 錄 一 ： 原 始 數(shù) 據(jù)訓(xùn)練樣本：代碼 每股凈資產(chǎn) 主營(yíng)收入同比 銷售毛利率 固定資產(chǎn)比浦發(fā)銀行 1 白云機(jī)場(chǎng) 1 武鋼股份 1 東風(fēng)汽車 1 中國(guó)國(guó)貿(mào) 1 首創(chuàng)股份 1 上海機(jī)場(chǎng) 1 華能國(guó)際 1 皖通高速 1 華夏銀行 1 民生銀行 1 日照港 1 上港集團(tuán) 1 寶鋼股份 1 中原高速 1 上海電力 1 中海發(fā)展 1 華電國(guó)際 1 中國(guó)石化 1 南方航空 1 中信證券 1 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 27三一重工 1 福建高速 1 楚天高速 1 招商銀行 1 歌華有線 1 哈飛股份 1 四川路橋 1 保利地產(chǎn) 1 中國(guó)聯(lián)通 1 包鋼股份 2 濟(jì)南鋼鐵 2 浙江廣廈 2 中紡?fù)顿Y 2 中達(dá)股份 2 新疆天業(yè) 2 *ST 華光 2 百科集團(tuán) 2 ST 金花 2 東風(fēng)科技 2 羅頓發(fā)展 2 亞星客車 2 明天科技 2 哈高科 2 18 云天化 2 萊鋼股份 2 青山紙業(yè) 2 包鋼稀土 2 東睦股份 2 金健米業(yè) 2 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 28*ST 波導(dǎo) 2 岷江水電 2 樂凱膠片 2 四維控股 2 大元股份 2 長(zhǎng)春一東 2 昌九生化 2 *ST 秦嶺 2 福建南紙 2 寧夏恒力 2 測(cè)試樣本：　 代碼 每股凈資產(chǎn) 主營(yíng)收入同比 銷售毛利率 固定資產(chǎn)比寧波聯(lián)合 1 中江地產(chǎn) 1 黃山旅游 1 萬東醫(yī)療 1 中國(guó)醫(yī)藥 1 五礦發(fā)展 1 古越龍山 1 海信電器 1 雙鶴藥業(yè) 1 皖維高新 1 銅峰電子 2 太化股份 2 青島堿業(yè) 2 *ST 國(guó)祥 2 華微電子 2 太化股份 2 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 29華微電子 2 福日電子 2 華陽(yáng)科技 2 方興科技 2 代碼列中的“1” 代表經(jīng)營(yíng)“好”的企業(yè)，用“2”代表經(jīng)營(yíng)“ 差”的企業(yè)。西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 30附 錄 二 ： 程 序clear allclcP=[ 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 31 18 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 32 ]39。Tc=[1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。1。2。 2。 2。 2。 2。 2。 2。 2。 2。2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2。 2]39。T=ind2vec(Tc)=newpnn(P,T,)。%創(chuàng)建 PNN 網(wǎng)絡(luò)Y=sim(,P)。yc=vec2ind(Y) P_test=[ 西安**大學(xué)本科畢業(yè)設(shè)計(jì)(論文) 33