基于数据挖掘城市科技竞争力模型控制研究探索--基于浙江省实证分析
目前对城市科技竞争力的研究还大多采用加权综合、因子分析、主成份分析、线性回归等方法,上述研究模型缺乏客观性且在处理海量数据时,表现出极大的局限性,如对动态数据的适应性不够,运算效率低等。本文以2009、2010年浙江省11个地级市为研究对象,运用BP神经网络模型和CHAID决策树模型分别构建城市科技竞争力预测模型进行研究探索。研究结果表明,两模型对城市科技竞争力的预测评价研究非常有效,但在预测精度上,BP神经网络模型要优于CHAID决策树模型。在此基础上给出了指标变量的对城市科技竞争力的重要性程度,为提高浙江省城市科技竞争力提供了建议。
城市科技竞争力 BP神经网络 CHAID决策树 变量重要性 数据挖掘
辛金国 关建清
国内会议
北京
中文
59-67
2012-10-20（万方平台首次上网日期，不代表论文的发表时间）