重庆市专利申请量与R&D活动

文章通过统计重庆市专利申请和R&D相关数据,在分析其发展趋势的基础上,运用SPSS软件对专利申请量和R&D指标作相关性分析并建立回归模型.结果显示:专利申请量与R&D支出呈显著正相关关系,政府、企业应继续加大R&D投入力度,尤其要发挥企业的主导作用.     

重庆市专利申请量与R&D 活动

文章通过统计重庆市专利申请和R&D 相关数据,在分析其发展趋势的基础上,运用SPSS 软件对专利申请 量和R&D 指标作相关性分析并建立回归模型。结果显示：专利申请量与R&D 支出呈显著正相关关系,政府、企业应 继续加大R&D 投入力度,尤其要发挥企业的主导作用。     

基于专利申请及审查制度的专利引文评价效能实证研究

[目的/意义]研究专利申请及审查制度下的专利引文作用机理,厘清专利引文评价效能,是保证学术评估客观合理的重要前提。[方法/过程]以美、中、日三国诉讼专利和许可专利为实证样本,分析专利引文频次与专利价值的相关性,并结合专利申请和专利审查制度就专利引文对施引专利、被引专利的评价效能进行深入剖析。[结果/结论]专利引文频次对专利价值而言是一个正向、负向、中性混杂的评价指标,专利引文对专利价值的评价需建立在对引用动机、引文扮演角色和实际发挥作用等诸多要素的深入细致分析上,否则,专利引文对专利价值不具有客观的评价效能。     

从专利申请看高校科研创新能力的提升

通过对2001-2004年高校专利申请情况的统计分析,揭示科研能力、科技经费以及学科特色对专利申请的影响,提出提升高校科研创新能力的四项具体措施:①建立专利体制,强化激励机制;②加强专利意识,营造良好的环境;③富集创新人才,提高专利质量;④加快专利实施,实现经济效益。     

我国专利申请及授权状况分析

文章以近三年我国专利申请和授权数量的基本数据为基础,以图表的形式对专利的区域分布状况、专利发明者贡献度进行对比分析,同时对专利申请中存在的问题进行了探讨。     

具有记忆功能的进化算法研究综述

阐述了进化算法的基本原理,讨论了几种典型的算法,包括传统的遗传算法,基于免疫系统克隆选择理论的克隆选择算法,并通过分析了其记忆功能,指出可能的改进形式,展望了今后的研究重点和发展趋势。     

基于M-K趋势检验的卓越行动计划期刊载文量与影响力关系研究

文章对"中国科技期刊卓越行动计划"领军期刊和重点期刊载文量与影响力趋势进行评估.运用R语言"trend"包对期刊载文量与期刊影响力进行M-K趋势分析,使用SPSS软件Wilcoxon符号秩检验对领军期刊与重点期刊进行差异分析.结果显示,纳入研究的24种期刊中有22种影响力提升,但仅4种期刊载文量提升;4种载文量上升的期...     

基于多策略排课算法的研究

为了降低排课问题求解的复杂度,从供需平衡、约束和因素间紧密程度等角度分析排课的一般问题,提出应用"供需平衡"、"三维组合"和"一般课程与特殊课程"等原理解决实际排课问题的思路以及基于几何图形和卡诺图的两种建模方式,并总结回溯算法、遗传算法等常用排课算法的原理和特点,综合应用,设计较优化的多策略排课算法。该算法一定程度上降低了排课问题的复杂度。     

基于支持向量机的大学生网络信息偶遇影响因素研究

[目的/意义] 研究网络环境下大学生群体的信息偶遇敏感影响因素,以指导大学生群体提高信息偶遇能力,继而提升大学生信息素养。[方法/过程] 使用信息增益分析各影响因素与信息偶遇发生频次之间的相关性,构建敏感影响因素模型,并进一步利用支持向量机（SVM）建立信息偶遇频次预测模型。[结果/结论] 与发生信息偶遇最相关的10个影响因素分布于信息用户、偶遇信息、网络环境、情境因素4个维度;模型分类预测精度达82.96%,说明SVM对预测信息偶遇频次有良好效果。     

基于支持向量机的文本自动分类试验研究

提出了将支持向量机应用于文本自动分类的研究，与常用的K-最邻近法相比，无论是对训练数据集还是测试数据集均具有一定的优势，而且不同特征选择方法对支持向量机的影响要比K-最邻近法小。此外，从研究中的不同特征选择的评价函数来看，它们对分类有一定的影响，应用X2统计进行特征选择的分类正确率最高，其次是文本证据权，而期望交叉熵的效果最差，说明特征选择在文本自动分类中也是相当重要的。     

基于SVM的中文书目自动分类及应用研究

将文本自动分类技术应用于图书书目的自动分类中,利用ICTCLAS分词系统对书名和摘要信息进行中文分词,为标题和摘要的特征词赋予不同的权重。在构建基于文本特征矩阵的基础上,结合SVM算法对实验语料进行学习和测试。为了验证TFIDF权重对分类结果的影响,还对词频特征矩阵、TFIDF特征矩阵和混合特征矩阵进行测试和对比。实验证明,基于混合特征矩阵的SVM算法具有良好的分类效果。据此,构建基于SVM的书目自动分类系统。     

支持向量机在文本自动分类中的应用研究

针对数据挖掘中的文本自动分类问题,提出了一种基于支持向量机的分类方法。构造了可用于多个模式类识别的多层级连式SVM模型,该模型可完成对多个模式的分类识别。根据训练样本的分类体系完成对模型的构造之后,即可应用于实际文档的自动分类。文中给出了该模型的构造及应用的方法,用两种核函数作为内积回旋方案,以中国期刊网全文数据库部分文档数据为例验证了该方法的有效性。     

基于支持向量机的先秦诸子典籍自动分类研究

[目的/意义] 在人文计算兴起这一背景下,针对先秦诸子典籍进行自动分类的探究,以更加深入和精准地从古代典籍中挖掘出相应的知识。[方法/过程] 基于《论语》《老子》《管子》《庄子》《孙子》《韩非子》《孟子》《荀子》和《墨子》9种先秦诸子典籍构成的训练和测试语料,采用支持向量机技术,提取TF-IDF、信息增益、卡方统计和互信息为特征,完成针对先秦诸子典籍的自动分类实验。[结果/结论] 基于先秦诸子典籍得到的自动分类模型调和平均值能达到99.21%,效果较好,具有较强的推广和应用价值。     

基于支持向量机的学位论文自动分类研究

博硕士学位论文具有较高的学术研究和使用价值,本文根据学位论文编目分类的特点,使用支持向量机的方法,采用分层分类的办法对学位论文进行自动分类,实验证明了该方法在学位论文分类上的有效性和可行性.     

基于潜在语义索引的SVM文本分类模型

本文将潜在语义索引理论与支持向量机方法相结合,对文本向量各维与文本的语义联系进行特征抽取,建立了完整的基于潜在语义索引的支持向量机文本分类模型,分析了该方法与分词的维数以及SVM惩罚因子选择之间的关系.并在NN-SVM分类算法的基础上,通过计算样本点与其最近邻点类别的异同以及该点与其k个同类近邻点在核空间的平均距离来修剪混淆点,提出了一种改进的NN-SVM算法:KCNN-SVM算法.利用该算法对降维后的训练集进行修剪.实验表明,用新的模型进行文本分类,与单纯支持向量机相比,受到文本分词维数以及支持向量机惩罚因子的影响更小,其分类正确率更高.     

基于岭回归和支持向量机结合的数据挖掘新方法

支持向量机根据VC 维理论和结构风险最小化原则,是一种建立在统计学习理论基础之上具有新颖、功能强大特点的机器学习方法.它具有全局最优、结构简单、推广能力强等优点,近年来越来越引起关注.但支持向量机是一种小样本机器学习方法,自身的复杂性和多重共线性成为其处理大规模数据时的"瓶颈"问题.岭回归方法是一种修正的最小二乘估计法,是一种专门用于复共线性数据分析的有偏估计方法,当自变量系统中存在多重相关性时,它可以提供一个比最小二乘法更为稳定的估计.本文将岭回归-支持向量机结合,用于数据挖掘方法之一--文本分类中,实验结果表明:本方法可以提高支持向量机分类的训练速度和分类精度.     

种基于改进的支持向量机的两类文本分类方法的研究*

提出了一种基于预抽取支持向量机及模糊循环迭代算法的改进的支持向量机(Support Vector Machines,SVM)的两类文本分类方法, 与传统的SVM相比, 该方法具有高得多的计算效率。文中给出了具体算法并将其用于文本分类中，实验表明了本算法用于文本分类的有效性及其高效率。     

基于机器翻译的专利术语翻译获取方法研究

鉴于专利术语的翻译要求高度的准确性和专业性,而专利术语的自动获取翻译对于机器翻译、词典自动编纂、跨语言信息检索等自然语言处理具有重要的实用价值,从双语的专利摘要中分别抽取术语,之后融合多术语识别方法,采用规则翻译和统计机器翻译来动态地辅助词汇化方法进行术语对齐,以期尽可能多地在双语的专利文献中获取准确的专利术语翻译对。在专利文摘中进行实验验证的结果是：专利术语翻译对的准确率达到80%。