声明
致谢
摘要
1 绪论
1.1 选题的背景和意义
1.1.1 选题背景
1.1.2 选题意义
1.2 高校国际交流与合作的研究现状
1.2.1 国内高校国际交流与合作的研究现状
1.2.2 国外高校国际交流与合作的研究现状
1.2.3 高校国际交流与合作的研究方法
1.3 主要研究内容
2 相关基础和理论
2.1 高校国际交流与合作的特性
2.2 高校国际交流与合作的发展历程
2.2.1 国外高校国际交流与合作的发展历程
2.2.2 国内高校国际交流与合作的发展历程
2.3 支持向量机理论
2.3.1 支持向量机发展简介
2.3.2 支持向量机的基本概念
2.3.3 支持向量机的分类
2.3.4 支持向量机的训练算法
2.3.5 支持向量机核参数的确定方法
2.4 遗传算法的基本原理及研究现状
2.5 蚁群算法的基本原理及研究现状
2.5.1 蚁群算法的基本原理
2.5.2 蚁群算法的发展
2.5.3 蚁群算法的特点
2.6 层次分析法
2.6.1 层次分析法的原理和基本思路
2.6.2 建立判断矩阵
2.6.3 层次排序的计算方法
2.6.4 层次总排序计算方法和一致性检验
2.7 数据预处理相关理论
2.7.1 数据的标准化
2.7.2 数据缺失值处理和数据异常值的探测
2.7.3 数据假设性检验
2.8 核主成分分析理论
2.8.1 主成分分析
2.8.2 核主成分分析
3 高校国际交流与合作评价指标体系的构建与核主成分分析
3.1 辽宁省高校国际交流与合作层次分析评价体系构建
3.1.1 评价指标体系的构建
3.1.2 判断矩阵的构建及各指标权重的计算
3.1.3 结果分析与有效性评价
3.2 高校国际交流与合作数据的核主成分分析
3.3 高校国际交流与合作的数据收集
3.4 高校国际交流与合作数据的预处理
3.4.1 高校国际交流与合作数据的缺失值处理
3.4.2 高校国际交流与合作数据的标准化
3.5 高校国际交流与合作数据的特征提取
3.6 辽宁省高校国际交流与合作的聚类分析
3.6.1 辽宁省高校国际交流与合作的聚类
3.6.2 聚类分析结果可靠性探讨
3.7 小结
4 高校国际交流与合作的GA_SJ算法优化SVM模型
4.1 遗传算法的改进思想
4.2 GA_SJ算法优化SVM参数模型
4.3 模型的有效性检验
4.4 基于GA_SJ优化SVM模型的高校国际交流与合作水平分类
4.4.1 高校国际交流与合作数据来源
4.4.2 模型实验设置和结果
4.4.3 实验结果分析
4.4.4 讨论
4.5 小结
5 高校国际交流与合作的改进蚁群算法优化SVM模型
5.1 改进蚁群算法及其SVM参数优化模型
5.1.1 蚁群算法的改进思想
5.1.2 蚁群算法的改进
5.1.3 改进蚁群算法优化SVM参数模型
5.2 算法的有效性检验
5.2.1 参数设置
5.2.2 结果分析
5.3 基于改进蚁群算法SVM模型的高校国际交流与合作水平分类
5.3.1 高校国际交流与合作数据来源
5.3.2 模型实验设置和结果
5.4 小结
6 高校国际交流与合作的对策分析
6.1 高校国际交流与合作的管理策略
6.2 高校国际交流与合作的管理启示
6.3 不同高校间提升国际交流与合作水平的管理建议
6.4 小结
结论与展望
参考文献
作者简历
学位论文数据集