基于SVM的国防科研院所自主创新能力预测模型

详细信息

The Independent Innovation Capability Predication Model of National Defense Research Institutes Based on SVM

Institute of Higher Education Research, Beijing University of Aeronautics and Astronautics, Beijing 100191, China

摘要: 在基于自主创新的过程与结果互为转化的基础上,将指标分为动态参数层和静态参数层,每个层又细分为要素组和指标集合,从而构建了多层次的指标评估体系。在该体系中引入支持向量机(SVM,Support Vector Machine)方法建立系统的评价预测模型,将获取的科研院所指标集分为训练样本集和检验样本集,经过训练样本集训练,检验样本集进行检验后,即可对输入的指标集进行其自主创新能力预测。
- 国防科技工业 /
- 国防科研院所 /
- 支持向量机 /
- 自主创新能力 /
- 预测
Abstract: Based on commutative transform between the process and result of independent innovation, the indexes of this paper are divided into the dynamic parameter layer and the static parameter layer. Each layer is divided into element groups and index gathers. Then the multi-hierarchy indexes evaluation system is established. It introduces the method of SVM, Support Vector Machine to establish the evaluation and predication model in the system. It works by training and verifying the sample gather and the capability of testing sample is predicated.
- national defense science & technology /
- national defense research institutes /
- support vector machine /
- independent innovation capability /
- predication

[1]	张云川. 2020年我国将建成创新型国防科技工业[J]. 中国科技产业,20 06(6):47.
[2]	王翠芳. 提高国防科技工业自主创新能力的理念、制度和人才分析[J]. 国防技术基础,2006(4):44-46.
[3]	刘希宋,姜喜龙,夏志勇. 国防科技工业自主创新能力评价关键要素的识别[J]. 统计与决策,2006(6):56-57.
[4]	陈伟,齐媛媛. 国防科技工业自主创新能力评价指标体系的构建[J]. 国防技术基础,2008(4):11-13.
[5]	戴兵. 国防科技工业自主创新能力评价及对策研究 . 哈尔滨:哈尔滨工业大学管理学院,2007.
[6]	孙德山,吴今培.支持向量回归中的预测信任度[J]. 计算机科学,2003,30(8): 126-127.
[7]	吴今培,孙德山. 现代数据分析[M]. 北京:机械工业出版社,2006:42.
[8]	赵瑞君,郑娟. 对军工企业提升自主创新能力组织机制的探讨[J].技术经济与管理研究,2008(4):27-29.
[9]	Vapnik V N Vapnik. 统计学习理论的本质[M]. 张学工,译. 北京:清华大学出版社,2000:87.
[10]	Cristianini N, Taylor J S. An introduction to support vector machines and other kernel-based learning methods[M]. New York: Cambridge Un iversity Press, 2000:51.