基于改進(jìn)SVM的創(chuàng)新項(xiàng)目評(píng)價(jià)模型研究.pdf

1、科技創(chuàng)新是促進(jìn)國(guó)家經(jīng)濟(jì)增長(zhǎng)的重要源泉，也是我國(guó)創(chuàng)新體系中的重要組成部分。目前全國(guó)各地均已建立了不同類型的項(xiàng)目創(chuàng)新平臺(tái)，為研究者、生產(chǎn)者以及管理者等參與主體開(kāi)展深度合作、資源共享、進(jìn)行合力創(chuàng)新攻關(guān)帶來(lái)了方便。對(duì)項(xiàng)目創(chuàng)新平臺(tái)上的項(xiàng)目數(shù)據(jù)進(jìn)行提取分析，進(jìn)行項(xiàng)目的準(zhǔn)確評(píng)價(jià)有著重要意義。由于創(chuàng)新過(guò)程是一個(gè)極其復(fù)雜和不確定性的動(dòng)態(tài)社會(huì)過(guò)程，整個(gè)項(xiàng)目中涉及到的數(shù)據(jù)非常復(fù)雜尤其是今后隨著各領(lǐng)域的交叉合作，平臺(tái)上的項(xiàng)目數(shù)據(jù)會(huì)越來(lái)越多，如何對(duì)項(xiàng)目進(jìn)行客觀評(píng)

2、價(jià)，為管理者提供準(zhǔn)確的決策信息成為了一個(gè)亟需解決的重要問(wèn)題。
　　本研究主要內(nèi)容包括：⑴介紹了關(guān)于科技創(chuàng)新的背景和意義，概述了當(dāng)前國(guó)內(nèi)外學(xué)者對(duì)解決創(chuàng)新項(xiàng)目評(píng)價(jià)問(wèn)題的研究現(xiàn)狀，以及解決問(wèn)題所使用到的相關(guān)理論知識(shí)，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(xiàng)目評(píng)價(jià)模型所涉及到的理論方法和技術(shù)，主要包括降維算法理論、遺傳算法、支持向量機(jī)理論等知識(shí)。⑶依據(jù)確立的項(xiàng)目評(píng)價(jià)指標(biāo)體系采集相應(yīng)的數(shù)據(jù)并預(yù)處理獲得實(shí)驗(yàn)數(shù)據(jù)，選

3、用不同的核函數(shù)利用支持向量機(jī)分類器進(jìn)行學(xué)習(xí)訓(xùn)練，通過(guò)比較預(yù)測(cè)準(zhǔn)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(xué)習(xí)訓(xùn)練時(shí)間提升模型的性能，使用不同的降維算法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行特征提取，將處理后的樣本輸入分類器進(jìn)行分類任務(wù)，實(shí)驗(yàn)結(jié)果表明LLE算法在分類中應(yīng)用良好。⑷通過(guò)對(duì)構(gòu)建的項(xiàng)目評(píng)價(jià)模型LLE+SVM進(jìn)行分析，指出了不足之處并進(jìn)行了兩點(diǎn)相關(guān)改進(jìn)。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(biāo)簽信息將傳統(tǒng)的局部線性嵌