企業(yè)公共服務(wù)補助資金績效評估方法研究.pdf

1、科技型中小企業(yè)公共服務(wù)補助資金實施六年來，每年均有近五千家服務(wù)機構(gòu)獲得基金資助。面對如此多的服務(wù)機構(gòu)，對其補助基金實施績效的評價變得非常困難。目前，主要采用專家通信或者會評的方式來評價，這樣工作量非常繁重，而且由于是人工評級，存在一定的主觀性同時也難以保證公平性。因此需要設(shè)計一種由計算機自動完成的評價方法來克服人工評級方法中的不足。本文主要工作如下:
　　首先分別介紹了補助基金項目的研究背景及意義、發(fā)展現(xiàn)狀，然后詳細綜述了當前績效

2、評估算法及不足。
　　其次，綜述了當前機器學習領(lǐng)域中的分類算法。由于可將績效評級問題轉(zhuǎn)化為分類問題，即可將收集到服務(wù)機構(gòu)補助基金實施指標數(shù)據(jù)作為訓練集，學習一類分類器，從而實現(xiàn)新服務(wù)機構(gòu)補助資金的評級，因此綜述了當前分類算法。
　　再者，提出一種基于果蠅優(yōu)化的屬性約簡算法并將其用于補助基金績效評價指標約簡。補助基金績效的評價體系中有四十八個指標，采用人工的方法確定哪些指標是補助資金績效評估的核心指標非常困難。因此我們借助粗糙

3、集理論和果蠅優(yōu)化算法，提出一種基于果蠅優(yōu)化的指標約簡算法，以此來找到最小的指標集合。仿真實驗結(jié)果驗證了該方法的有效性。
　　最后，提出了一種基于可行域解析中的多類分類器集成方法，并將其用于服務(wù)機構(gòu)補助基金實施后的績效評級。由于多類支撐向量分類器對應(yīng)于可行域中的最大內(nèi)接超球中心，當可行域狹長時，其分類性能明顯降低。而此情況下，基于可行域解析中心的多類分類器的分類性能不受影響。因此，本文采用基于可行域解析中心的多類分類器來進行服務(wù)機構(gòu)