SVM模型在河南省中小企业技术创新能力评价中的应用.pdf

SVM模型在河南省中小企业技术创新能力评价中的应用.pdf

ID:52340648

大小:333.72 KB

页数:4页

时间:2020-03-26

SVM模型在河南省中小企业技术创新能力评价中的应用.pdf_第1页
SVM模型在河南省中小企业技术创新能力评价中的应用.pdf_第2页
SVM模型在河南省中小企业技术创新能力评价中的应用.pdf_第3页
SVM模型在河南省中小企业技术创新能力评价中的应用.pdf_第4页
资源描述:

《SVM模型在河南省中小企业技术创新能力评价中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2ol1年第9期si。。dT。mtR。盯。h文章编号:1000-7695【2011)09—0092—04SVM模型在河南省中小企业技术创新能力评价中的应用王小黎(中原工学院经济管理学院,河南郑州450007)摘要:通过建立科学完整的评价指标体系,对中小企业的技术创新能力进行客观而准确的测度和评价。建立的指标体系,主要从创新决策能力、资源投入能力、研究开发能力、制造能力、市场营销能力、创新管理能力六个方面进行全面的思考和总结。关键词:SVM模型;中一J、企业;技术创新;评价i指标体系中图分类号:F272文献标识码:AApplic

2、ationofSVMModelintheEvaluationofHenanSMETechnologicalInnovationCapabilityⅥ,ANCXjaD】jICollegeofEconomic&Management,ZhongyuanUniversityofTechnology,Zhengzhou450007,China)Abstract:Scientificintegrityofthisarticleistoestablishevaluationindexsystem,thetechnologicalinnova

3、tioncapacityofSMEsistoconductanobjectiveandaccuratemeasurementandevaluation.Indexsystemisestablishedinthisarticle,mainlyincludingdecision—makingcapacitiesfromtheinnovation,inputtingcapacitiesofresources。researchanddevel-opmentcapabilities,manufacturingcapacities。mar

4、ketingcapacities,innovationmanagementcapabilities,Basedonthem,thearticlemakescomprehensivestudiesandasummary.Keywords:SVMmodel;SME;technologicalinnovation;evaluation;indexsystem中小企业技术创新能力评价,一方面需要对技(SupportVectorMachine,以下简称SVM)oSVM成术创新能力评价指标进行综合,得到企业的整体技功地解决了高维问题和局部

5、极值问题。SVM使用大术创新能力来反映企业的技术创新状况;另一方面间隔因子来控制学习机器的训练过程,使其只选择需要发现综合评价结果中的信息,发现目前中小企具有最大分类间隔的分类超平面,又叫最优超平面业自身技术创新的优势和所存在的不足,为企业和(在不可分的情况下,引入松弛因子来控制经验风政府提供决策依据。险),从而使其在满足分类要求的情况下又具有最高中小企业技术创新能力评价指标体系,是一个的推广能力。寻找最优超平面的过程最终转化为二由若干不同参数组合而成的指标体系,这些指标是次型优化问题(QuadraticProgramming

6、,QP),从理多层次的、复杂的,中小企业技术创新能力评价实论上说,得到的是全局最优解。在处理非线性分类质上是属于一个多对象、多因素、多层次的技术综问题上,与传统的机器学习不同的是,SVM是将输合评价问题。因而,一个合适的评价模型是评价结入空间映射到高维的特征空间,仍然使用大间隔因果是否科学、客观、公正的决定性因素。子在高维特征空间中寻找最大间隔超平面。事实上,目前被广泛研究并应用的评价模型主要有综合高维特征空间中的超平面对应着输入空间中的非线模糊评价模型、神经网络评价模型等,这些模型在性分类面。实际上,SVM的优化过程并没有真

7、正在应用时依赖大量的历史样本,综合评价模型以必要高维特征空间中进行,而是通过一些具有特殊性质的专家经验为依据,神经网络评价模型在目前来看的核函数,将高维特征空间中的内积运算转化为原仍然缺乏统一的数学理论,在确定网络结构、提供始空间中核函数的运算,从而巧妙地避免了在高维算法的解释性、解决过学习和欠学习以及局部极小特征空间中处理问题的困难。点等问题上都难以突破。本研究从分类的角度,将支持向量机模型运用Vapnik等人在统计学习理论的基础上,发展出于中小企业技术创新能力的综合评价,取得了比较了一种新的通用的机器学习方法——支持向量机

8、突出的效果。收稿日期:2009—11-03。修回日期:2010—06—29基金项目:河南省科技厅软科学项目“河南省中小企业科技创新测度与评价体系研究”(082400440210)王小黎:SVM模型在河南省中小企业技术创新能力评价中的应用93Q越妻l基于SVM的中小企业技术创新

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。