基于遗传算法优化支持向量机的我国创新型城市评价

摘要

本文以创新城市理论、支持向量机理论和遗传算法理论作为理论指导，运用定性与定量分析、规范研究与实证研究相结合的研究方法，对我国创新型城市评价问题进行实证研究，并在此基础上提出了推动创新型城市发展，加速创新型城市建设的对策与意见。　　第一章主要阐述了本篇论文的选题背景、目的及意义，并按照时间脉络，详尽梳理了国内外关于创新型城市以及创新型城市评价的研究动态。同时，简要描述了本论题的研究内容，提出了所要采取的研究方法并以结构图的方式提出具体的研究思路，本章结尾对论题可能产生的创新点进行了扼要说明。　　第二章阐述了创新型城市所涉及的基础理论，阐明什么是创新；明确狭义、广义和综合定义层面之上的创新型城市内涵；详细说明创新型城市载体及其作用；总结创新型城市应具有的基本特征。通过对载体与基本特征的明确，从而为下一章节的评价指标体系建立提供了理论指导。在本章结尾则着重于创新型城市综合评价方法的介绍，分析传统评价方法的不足之处，简要说明遗传算法优化支持向量机评价方法的优越性。　　第三章对支持向量机与遗传算法的研究现状进行了概述，阐明支持向量机与遗传算法的基本原理，旨在说明遗传算法优化支持向量机理论的完整性与科学性。　　第四章基于遗传算法优化支持向量机对我国创新型城市评价问题进行了实证研究。本章节依据相关指标体系建立基本原则，利用北京、天津、沈阳等二十个创新评价参评城市2007至2011年共计6000多个来源于各类统计年鉴和创新研究报告的有效指标数据，对备选指标集数据首先进行平均及归一化预处理，然后运用SPSS软件分析预处理数据，最终基于显著性与相关性矩阵筛选冗余指标，构建了评价指标体系。本章在完成指标体系构建之后，应用MATLAB建立了基于GA-SVM的创新型城市评价模型，并编程实现，查询MATLAB程序运行反馈结果，显示测试集的均方误差为1.030319；与真实值曲线的相关系数为98.0536％，这说明预测结果具有科学性，输出最佳的惩罚因子C和核函数?分别为30.5785和0.4983。最终评价得到了科教城市合肥市与参评城市的相对位次为11.90，创新型建设水平位列所有参评城市之中第12名，与山东济南市相仿。2014年3月24日发布的最新一期中国城市排行榜，合肥市与济南市同属二线城市梯队，这也有利佐证了评价结果的客观性与科学性。本章结尾对加速创新型城市建设进程提出了相应的建议与对策。　　第五章简单说明本篇论文的研究成果与不足。　　创新型城市评价研究是创新型国家建设的有力支撑与重要途径，本身具有鲜明的实际意义。评价作为一种重要研究方手段，可以使我们从数理分析的角度清晰了解到参评城市在各方面的相应表现。评价结果则作为重要的理论依据，客观展现创新型城市建设成效，反馈参评城市遗存着阻碍城市发展的具体问题。从而在根本上把握国内创新型城市建设的基本进程。因此，创新型城市评价具有非常重要的现实意义。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1选题背景、目的及意义

1.2 国内外相关研究综述

1.3研究内容、方法与思路

1.4论文创新之处

1.5本章小结

第二章 创新型城市理论基础

2.1创新城市理论

2.2评价方法相关理论

2.3本章小结

第三章 遗传算法优化支持向量机（GA-SVM）评价方法研究

3.1支持向量机的原理

3.2遗传算法的原理

3.3遗传算法优化支持向量机的原理

3.4本章小结

第四章 基于遗传算法优化支持向量机的我国创新型城市评价实证研究

4.1创新型城市评价指标体系的构建

4.2基于遗传算法优化支持向量机创新型城市实证评价

4.3本章小结

第五章 总结与展望

5.1主要结论与研究成果

5.2研究不足与展望

致谢

参考文献

附录

攻读学位期间发表的学术论文目录