菲德模型及聚类算法在高技术产业数据挖掘中的应用

发布时间：2022-07-27 14:59

　　国民经济的增长离不开高技术产业的发展,随着信息技术的产生,高技术产业的各指标数据不断得到完善,但只掌握高技术产业的各指标数据是远远不够的,如何在已有统计数据的基础上挖掘高技术产业的内在发展规律,是政府部门的迫切需要。数据挖掘的出现,让人们从大量数据中挖掘出很多有用的信息并用于指导生产、管理等。因此借助数据挖掘的理论与技术,对我国高技术产业发展水平进行评价,并进一步研究高技术产业与经济增长的动态演变关系,给政府部门发展及布局高技术产业提供科学依据。本文主要研究内容如下:本文构建了高技术产业发展水平的指标体系,利用因子分析对高技术产业发展水平进行评价,同时运用聚类算法对高技术产业发展处于相同水平的省份进行特征归纳,分析不同区域间高技术产业发展水平存在差异的主要原因。结果表明我国高技术产业发展水平可以分为5类,I类区域到V类区域高技术产业发展水平逐渐降低,R＆D投入、新产品开发及技术创新是导致各区域高技术产业发展水平存在差异的主要因素。该研究内容为政府部门优化产业布局,提升产业结构提供科学依据。各个省份也可以根据本省的高技术产业发展特点因地制宜,补齐自身短板,不断改进高技术产业的发展模式。对... 

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
主要符号表
第一章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 现有研究的不足
    1.3 研究内容及研究方法
        1.3.1 研究内容
        1.3.2 研究方法
    1.4 重点、难点及创新点
第二章 研究方法介绍
    2.1 高技术产业发展水平评价方法介绍
        2.1.1 因子分析法
    2.2 高技术产业发展水平区域划分的方法介绍
        2.2.1 聚类
        2.2.2 聚类结果评估
    2.3 研究高技术产业与经济增长关系模型介绍
        2.3.1 菲德模型
        2.3.2 变参数模型
    2.4 本章小结
第三章 高技术产业发展水平的测量及划分
    3.1 指标体系建立
        3.1.1 评价指标体系构建原则
        3.1.2 具体指标体系构建
    3.2 数据准备及预处理
    3.3 实证分析
        3.3.1 高技术产业发展水平区域的划分
        3.3.2 自组织映射神经网络的算法描述
        3.3.3 聚类结果分析
        3.3.4 评价结果分析
    3.4 本章小结
第四章 高技术产业与经济增长的动态演变研究
    4.1 数据来源与指标选取
    4.2 平稳性检验
    4.3 协整检验
    4.4 高技术产业与经济增长关系的动态演变的实证分析
    4.5 本章小结
第五章 总结及展望
致谢
参考文献
附录
攻读硕士学位期间取得的成果



本文编号：3665664