基于改进svm的创新项目评价模型研究

基于改进svm的创新项目评价模型研究

ID:35065382

大小:5.25 MB

页数:63页

时间:2019-03-17

基于改进svm的创新项目评价模型研究_第1页
基于改进svm的创新项目评价模型研究_第2页
基于改进svm的创新项目评价模型研究_第3页
基于改进svm的创新项目评价模型研究_第4页
基于改进svm的创新项目评价模型研究_第5页
资源描述:

《基于改进svm的创新项目评价模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、戀分类号::密级论文编号:学号:51303300105重庆巧工乂学硕女学化论文基于改进SVM的创新项目评价模型研究研究生:李宗博指导导师:李梁副教授学位类型:学术学位学科专业:计算机软件与運论研究方向:数据仓库与数据挖掘培养单位:计算机科学与工程学晓论文完成时间:2016年09月25日论文答辩日期201611月26日:年献理工大学学位论文原创性声明本人巧重声明:所呈交的学位论文是本人在导师的指导下,独立进行研究所取得的成果。除文中特别加标注引用的内容外,本论文

2、不包含任何其他个人或集体己经发表或撰写的成果、作品。对本文的研究做出重要贡献的集体和个人?。,均已在文中明确方式标明本人承担本声明的法律后果。〇作者签名:4i诗日期:>/占年月讀日学位论文使用授权声明本学位论文作者完全了解学校有关保留,同意、使用学位论文的规定学校保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权重庆理工大A,可W采用影印学可U将本学位论文的全部或部分内容编入有关数据库进行检索、缩印或扫描等复制手段保存和汇编本学位论文。""本学位论文属于(请在W下相应方框内打

3、V):1.□,在解密后适用本授权书。保密__年2.不保密s//作者空名:^?^罔期:>八年1/月神日导师签名:日期乍Ij月^日CategoryNumber:LevelofSecrecy:SerialNumber:StudentNumber:51303300105Master'sDissertationofChongqingUniversityofTechnologyResearchonEvaluationModelofInnovationProjectBasedonImprovedSVMPostgraduate:LiZo

4、ngboSupervisor:A.Prof.LiLiangDegreeCategory:AcademicDegreeSpecialty:ComputerSoftwareandTheoryResearchDirection:DataWarehouseandDataMiningTrainingUnit:CollegeofComputerScienceandEngineeringThesisDeadline:September25,2016OralDefenseDate:November26,2016摘要摘要科技创新是促进国家经济增长的重要源泉,也是我

5、国创新体系中的重要组成部分。目前全国各地均已建立了不同类型的项目创新平台,为研究者、生产者以及管理者等参与主体开展深度合作、资源共享、进行合力创新攻关带来了方便。对项目创新平台上的项目数据进行提取分析,进行项目的准确评价有着重要意义。由于创新过程是一个极其复杂和不确定性的动态社会过程,整个项目中涉及到的数据非常复杂尤其是今后随着各领域的交叉合作,平台上的项目数据会越来越多,如何对项目进行客观评价,为管理者提供准确的决策信息成为了一个亟需解决的重要问题。为解决以上问题,论文从数据挖掘的角度出发,结合机器学习方法建立评价模型。论文所涉及的主要工作包括

6、以下几个方面:第一,介绍了关于科技创新的背景和意义,概述了当前国内外学者对解决创新项目评价问题的研究现状,以及解决问题所使用到的相关理论知识,并分析了其不足之处,最后展望了建立模型所使用的新方法。第二,论述了建立项目评价模型所涉及到的理论方法和技术,主要包括降维算法理论、遗传算法、支持向量机理论等知识。第三,依据确立的项目评价指标体系采集相应的数据并预处理获得实验数据,选用不同的核函数利用支持向量机分类器进行学习训练,通过比较预测准确率得出了最佳的核函数。为了削减数据的冗余信息,减少分类器的学习训练时间提升模型的性能,使用不同的降维算法对实验数据

7、进行特征提取,将处理后的样本输入分类器进行分类任务,实验结果表明LLE算法在分类中应用良好。第四,通过对构建的项目评价模型LLE+SVM进行分析,指出了不足之处并进行了两点相关改进。主要是从前端降维和后端分类入手,利用样本数据自身带有的类别标签信息将传统的局部线性嵌入算法改进为带有监督功能的降维方法,增强了对数据的降维效果;针对支持向量机中核函数参数以及惩罚因子最优问题,使用改进遗传算法对支持向量机进行参数寻优,得到整体性能最佳的支持向量机。通过上述改进最终确立了高效的创新项目评价模型。准确评价是对创新项目进行有效管理的首要条件,基于本文所构建的

8、项目评价模型能够高效准确地评估项目,对于以后在创新项目平台上进行快速客观地管理决策项目,具有重要的现实意义。关键词:创新;降维;项目评价

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。