基于改進SVM的創(chuàng)新項目評價模型研究.pdf

1、科技創(chuàng)新是促進國家經濟增長的重要源泉，也是我國創(chuàng)新體系中的重要組成部分。目前全國各地均已建立了不同類型的項目創(chuàng)新平臺，為研究者、生產者以及管理者等參與主體開展深度合作、資源共享、進行合力創(chuàng)新攻關帶來了方便。對項目創(chuàng)新平臺上的項目數(shù)據(jù)進行提取分析，進行項目的準確評價有著重要意義。由于創(chuàng)新過程是一個極其復雜和不確定性的動態(tài)社會過程，整個項目中涉及到的數(shù)據(jù)非常復雜尤其是今后隨著各領域的交叉合作，平臺上的項目數(shù)據(jù)會越來越多，如何對項目進行客觀評

2、價，為管理者提供準確的決策信息成為了一個亟需解決的重要問題。
　　本研究主要內容包括：⑴介紹了關于科技創(chuàng)新的背景和意義，概述了當前國內外學者對解決創(chuàng)新項目評價問題的研究現(xiàn)狀，以及解決問題所使用到的相關理論知識，并分析了其不足之處，最后展望了建立模型所使用的新方法。⑵論述了建立項目評價模型所涉及到的理論方法和技術，主要包括降維算法理論、遺傳算法、支持向量機理論等知識。⑶依據(jù)確立的項目評價指標體系采集相應的數(shù)據(jù)并預處理獲得實驗數(shù)據(jù)，選

3、用不同的核函數(shù)利用支持向量機分類器進行學習訓練，通過比較預測準確率得出了最佳的核函數(shù)。為了削減數(shù)據(jù)的冗余信息，減少分類器的學習訓練時間提升模型的性能，使用不同的降維算法對實驗數(shù)據(jù)進行特征提取，將處理后的樣本輸入分類器進行分類任務，實驗結果表明LLE算法在分類中應用良好。⑷通過對構建的項目評價模型LLE+SVM進行分析，指出了不足之處并進行了兩點相關改進。主要是從前端降維和后端分類入手，利用樣本數(shù)據(jù)自身帶有的類別標簽信息將傳統(tǒng)的局部線性嵌