基于SVM模型的工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)初探

趙宏石

?

基于SVM模型的工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)初探

趙宏石

摘要：工業(yè)企業(yè)技術(shù)創(chuàng)新就是在掌握前人科學(xué)技術(shù)的基礎(chǔ)上，在每個(gè)企業(yè)和服務(wù)部門發(fā)明新的方法，改進(jìn)工藝過程，獲取新的產(chǎn)品，提高產(chǎn)出效率，為人類造福。工業(yè)企業(yè)走技術(shù)創(chuàng)新的道路是積極適應(yīng)經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變，推進(jìn)企業(yè)的全面轉(zhuǎn)型升級(jí)的必經(jīng)之路。筆者為了直接的對(duì)工業(yè)企業(yè)的技術(shù)創(chuàng)新能力成熟度等級(jí)進(jìn)行定量評(píng)價(jià)以及提高在同行業(yè)競(jìng)爭(zhēng)中的競(jìng)爭(zhēng)力而建立SVM模型，這可以讓企業(yè)客觀的了解自身的技術(shù)創(chuàng)新能力，從而選取合適的發(fā)展策略來提高競(jìng)爭(zhēng)優(yōu)勢(shì)，增強(qiáng)企業(yè)核心競(jìng)爭(zhēng)力，獲取最佳的經(jīng)濟(jì)效益和社會(huì)效益。

關(guān)鍵詞：工業(yè)企業(yè)；技術(shù)創(chuàng)新；創(chuàng)新能力成熟度等級(jí)；SVM模型

一、緒論

將企業(yè)活動(dòng)為基礎(chǔ)，以市場(chǎng)為導(dǎo)向，把技術(shù)創(chuàng)新轉(zhuǎn)化為經(jīng)濟(jì)優(yōu)勢(shì)。在一定經(jīng)濟(jì)條件下，以提升同行業(yè)競(jìng)爭(zhēng)力為方向，充分利用各種技術(shù)創(chuàng)新所帶來的資源即為企業(yè)技術(shù)創(chuàng)新能力。在如今行業(yè)競(jìng)爭(zhēng)激烈和技術(shù)更新迅速的大環(huán)境下，技術(shù)創(chuàng)新已經(jīng)成為企業(yè)生存發(fā)展的基礎(chǔ)、提升競(jìng)爭(zhēng)力的關(guān)鍵和經(jīng)濟(jì)增長(zhǎng)的力量源泉。筆者通過SVM算法構(gòu)建了工業(yè)企業(yè)技術(shù)創(chuàng)新成熟度等級(jí)評(píng)價(jià)模型，能有效的推動(dòng)其技術(shù)創(chuàng)新能力的提高。

二、相關(guān)理論綜述

(一)技術(shù)創(chuàng)新理論綜述

人們最早知道創(chuàng)新的概念是從技術(shù)和經(jīng)濟(jì)角度結(jié)合的角度，以及在經(jīng)濟(jì)發(fā)展的過程中摸索技術(shù)創(chuàng)新所起到的作用，約瑟夫·熊彼特是提出現(xiàn)代創(chuàng)新理論的主要代表人物。根據(jù)熊彼特的觀點(diǎn)和分析即所謂創(chuàng)新就是一種新的生產(chǎn)函數(shù)的建立，以從未有過的關(guān)于引進(jìn)生產(chǎn)系統(tǒng)生產(chǎn)和生產(chǎn)條件要素的新組合。熊彼特認(rèn)為，資本主義企業(yè)家的創(chuàng)業(yè)“靈魂”，就是要不斷創(chuàng)新，推出新的組合。學(xué)術(shù)界以熊彼特創(chuàng)新理論為藍(lán)本，對(duì)經(jīng)濟(jì)學(xué)的創(chuàng)新研究開展了進(jìn)一步的研究，使之專業(yè)化，單是創(chuàng)新模型已經(jīng)就分有相互作用模型、需求拉動(dòng)模型、整合模型、技術(shù)推動(dòng)模型、系統(tǒng)整合網(wǎng)絡(luò)模型等，建立了技術(shù)創(chuàng)新，機(jī)制創(chuàng)新，制度創(chuàng)新雙螺旋等理論體系，構(gòu)成了人們對(duì)于經(jīng)濟(jì)學(xué)上創(chuàng)新理論的理解。

根據(jù)筆者對(duì)收集的資料綜合分析后得出國外在近50多年來對(duì)于技術(shù)創(chuàng)新方面的積極研究過程大致可分為以下三個(gè)階段，如下表所示。

國內(nèi)外對(duì)技術(shù)創(chuàng)新研究的三個(gè)發(fā)展階段

(二)支持向量機(jī)原理簡(jiǎn)介

1、支持向量機(jī)的主要思想。支持向量機(jī)(Support Vector Machine簡(jiǎn)稱SVM)正式發(fā)表于1995年，由于在文本分類任務(wù)中顯示出卓越性能，很快成為機(jī)器學(xué)習(xí)的主流技術(shù)。但實(shí)際上早Vapnik和他的研究小組早在上個(gè)世紀(jì)六七十年代就提出了支持向量機(jī)，并在1990年開始得到了推廣應(yīng)用。SVM就是一個(gè)升維和線性化的方法，簡(jiǎn)單來說就是通過一個(gè)非線性映射，把樣本空間映射到一個(gè)高維乃至無窮維的特征空間中，使得在原來的樣本空間中非線性可分的問題轉(zhuǎn)化為在特征空間中的線性可分的問題。而通常的升維會(huì)帶來計(jì)算的復(fù)雜化，SVM方法巧妙地解決了這個(gè)難題：應(yīng)用核函數(shù)的展開定理，就不需要知道非線性映射的顯式表達(dá)式；由于是在高維特征空間中建立線性學(xué)習(xí)機(jī)，所以與線性模型相比，不但幾乎不增加計(jì)算的復(fù)雜性，而且在某種程度上避免了“維數(shù)災(zāi)難”。這一切都要?dú)w功于核函數(shù)的展開和計(jì)算理論。

2、SVM分類原理。支持向量機(jī)分類思想主要是通過建立一個(gè)分類超平面，將分類樣本正確分開，并且保證分類樣本之間的邊緣間隔最大化。借助該分類超平面將優(yōu)化問題轉(zhuǎn)化為凸二次規(guī)劃問題，全局最優(yōu)解由標(biāo)準(zhǔn)的拉格朗日乘子法求解得出。

最優(yōu)分類超平面就是分類線能將兩類無誤地分開，并且使兩類的分類間隔最大化。分類超平面的線性方程可以用wTx+b=0表示，其中w=(w1,w2,…,wd)為法向量，決定了超平面的方向；b為位移項(xiàng)，決定了超平面與原點(diǎn)之間的距離。顯然分類超平面可被法向量w和位移b確定，將其記為(w,b)。

欲找到具有最大化margin的分類超平面，也就是要最小化w2，于是可以構(gòu)造如下的條件極值問題：

因?yàn)楝F(xiàn)在的目標(biāo)函數(shù)是二次的，約束條件是線性的，所以它是一個(gè)凸二次規(guī)劃問題，這個(gè)問題可以用現(xiàn)成的QP優(yōu)化包進(jìn)行求解。為更高效的求解，現(xiàn)使用拉格朗日乘子法，將原問題轉(zhuǎn)化為其對(duì)偶問題。引入拉格朗日乘子αi，原問題的拉格朗日函數(shù)可寫為：

將以上結(jié)果代入L(w,b,αi)得到：

拉格朗日函數(shù)中只包含了一個(gè)變量，即αi，求出了αi

即可求出w，b，最終得出分類超平面和分類決策函數(shù)。

最后便是利用SMO算法求解對(duì)偶規(guī)劃問題中的拉格朗日乘子αi。

3、核函數(shù)。對(duì)于線性不可分的問題，我們可以將樣本從原始空間映射到一個(gè)更高維的特征空間，使得樣本在這個(gè)特征空間內(nèi)線性可分。令φ(x)表示為將x映射后的特征向量，于是，在特征空間中分類超平面所對(duì)應(yīng)的模型可表示為：

f(x)=wTφ(x)+b

有

其對(duì)偶問題是

由于特征空間維數(shù)可能很高，甚至可能是無窮維，因此直接計(jì)算φ(xi)Tφ(xj)通常很困難，這時(shí)引入核函數(shù)

K(xi,xj)=<φ(xi),φ(xj)>=φ(xi)Tφ(xj)

求解后即可得到

在線性不可分的情況下，支持向量機(jī)首先在低維空間中完成計(jì)算，然后通過核函數(shù)將輸入空間映射到高維特征空間，最終在高維特征空間中構(gòu)造出最優(yōu)分離超平面，從而把平面上本身不好分的非線性數(shù)據(jù)分開。

三、工業(yè)行業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)的實(shí)證分析

(一)工業(yè)行業(yè)技術(shù)綜述

支持向量機(jī)應(yīng)用于工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度等級(jí)評(píng)價(jià)的原理是：備選工業(yè)企業(yè)是樣本集，將分類結(jié)果作為類別屬性輸出。數(shù)據(jù)預(yù)處理過程中采用因子分析法篩選得到主成分公因子得分，作為工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)模型的輸入變量和輸出結(jié)果，本次采樣總數(shù)24，因子分析當(dāng)中，計(jì)算出來的公因子個(gè)數(shù)為5，因此，模型的輸入變量為5個(gè)，也就是工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度分為5等級(jí)，以此作為變量輸出。由于所選樣本非線性且等級(jí)數(shù)為5屬于多分類問題，因此本文采用非線性的SVM分類器進(jìn)行分析。

在SVM分類器中，本文選取徑向基函數(shù)(RBF)作為模型的核函數(shù)，其在尋找線性最優(yōu)超平面時(shí)具有較強(qiáng)的非線性映射能力?；赗BF的支持向量機(jī)模型，分類訓(xùn)練效果的好壞主要取決于相關(guān)參數(shù)的選取，即懲罰參數(shù)C和核參數(shù)g如何選擇。懲罰參數(shù)C為約束Lagrange乘子在得到最大化邊緣margin與少量離群點(diǎn)之間進(jìn)行折中的一個(gè)參數(shù)，即C用于控制錯(cuò)分樣本懲罰程度，通常情況，測(cè)試精度隨C的增大而提高，當(dāng)達(dá)到某一定值時(shí)可得到最佳分類錯(cuò)誤率和最佳支持向量數(shù)。此外，核參數(shù)的選取也會(huì)直接影響分類器訓(xùn)練效果的好壞，因?yàn)楹撕瘮?shù)、映射函數(shù)和特征空間是一一對(duì)應(yīng)的關(guān)系。本文采用交叉驗(yàn)證和網(wǎng)格搜索的思想得到在某種意義下的最優(yōu)參數(shù)，用以找到最佳的(C,g)參數(shù)對(duì)，使得分類器能夠?qū)ξ粗獢?shù)據(jù)做出精確預(yù)測(cè)，最終可以較為理想地評(píng)價(jià)測(cè)試樣本等級(jí)。

支持向量機(jī)SVM分類主要基于“訓(xùn)練—預(yù)測(cè)”的流程，首先利用svmtrain命令實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)集的訓(xùn)練，并得到分類模型MODLE。

(二)創(chuàng)新模式的選擇

為衡量工業(yè)企業(yè)技術(shù)創(chuàng)新水平，技術(shù)創(chuàng)新能力成熟度等級(jí)評(píng)價(jià)模型給不同的等級(jí)劃分了不同的關(guān)鍵過程域和關(guān)鍵實(shí)踐活動(dòng)，企業(yè)一旦滿足某一等級(jí)所有的關(guān)鍵過程域，即可根據(jù)企業(yè)所處的技術(shù)創(chuàng)新能力成熟度選擇創(chuàng)新模式，以目前所在成熟度上一個(gè)等級(jí)的關(guān)鍵實(shí)踐活動(dòng)作為目標(biāo)，通過實(shí)施一系列的活動(dòng)來提高自身的成熟度等級(jí)。

當(dāng)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)結(jié)果為1時(shí)，企業(yè)的技術(shù)創(chuàng)新能力屬于無序級(jí)，創(chuàng)新水平較低，創(chuàng)新資源較匱乏，技術(shù)創(chuàng)新表現(xiàn)為組織中個(gè)人的隨機(jī)性創(chuàng)新，因此，處于無序級(jí)的企業(yè)在進(jìn)行技術(shù)創(chuàng)新活動(dòng)的過程中，要積極培養(yǎng)組織中成員的自主創(chuàng)新意識(shí)，將規(guī)范級(jí)的關(guān)鍵實(shí)踐活動(dòng)作為自身努力的目標(biāo)。而處于規(guī)范級(jí)的企業(yè)則需以更高級(jí)的戰(zhàn)略級(jí)關(guān)鍵實(shí)踐活動(dòng)作為為目標(biāo)，逐步提高自身的技術(shù)創(chuàng)新能力。當(dāng)評(píng)價(jià)結(jié)果為2或3時(shí)，企業(yè)的技術(shù)創(chuàng)新能力處于規(guī)范級(jí)或戰(zhàn)略級(jí)，企業(yè)應(yīng)注重培養(yǎng)研發(fā)人才，建立較為完善的創(chuàng)新組織體系，把技術(shù)創(chuàng)新的提高作為企業(yè)長(zhǎng)足發(fā)展的戰(zhàn)略目標(biāo)。處于這兩個(gè)級(jí)別的企業(yè)在市場(chǎng)中都擁有自身的優(yōu)勢(shì)與特色，能夠根據(jù)市場(chǎng)需求調(diào)整產(chǎn)品結(jié)構(gòu)和技術(shù)模式。當(dāng)評(píng)級(jí)結(jié)果為4或5時(shí)，企業(yè)的技術(shù)創(chuàng)新能力處于優(yōu)化級(jí)和協(xié)同級(jí)，此時(shí)企業(yè)的技術(shù)創(chuàng)新實(shí)力較強(qiáng)，擁有先進(jìn)的技術(shù)創(chuàng)新所需硬件設(shè)備和優(yōu)良的研發(fā)團(tuán)隊(duì)，并具有成熟的信息化決策支持系統(tǒng)，擁有豐富的技術(shù)創(chuàng)新資源，所以，成熟度等級(jí)較高的技術(shù)創(chuàng)新模式應(yīng)為每個(gè)企業(yè)發(fā)展的前進(jìn)目標(biāo)。

四、結(jié)論與展望

本文將支持向量機(jī)分類器應(yīng)用于評(píng)價(jià)工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度的模型中，首先通過因子分析法得到樣本數(shù)據(jù)的公因子得分，對(duì)數(shù)據(jù)進(jìn)行降維和去噪，大大簡(jiǎn)化了指標(biāo)體系的復(fù)雜性，為后面分類器的訓(xùn)練與預(yù)測(cè)提供了有效的輸入變量，縮短了模型的訓(xùn)練時(shí)間，提高了模型的訓(xùn)練響應(yīng)速度。通過實(shí)證分析證實(shí)該方法能有效解決技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)問題并給出了關(guān)鍵等級(jí)的行動(dòng)建議。(作者單位：內(nèi)蒙古財(cái)經(jīng)大學(xué))

參考文獻(xiàn)：

[1]王寶，高峰，姬貴林.典型重工業(yè)城市企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)及提升對(duì)策研究[J].開發(fā)研究，2013，(1):84-88

[2]王芳，孫承志.技術(shù)創(chuàng)新與相關(guān)概念的關(guān)系[J].工業(yè)技術(shù)經(jīng)濟(jì).2000(4):91-92

[3]丁雪梅.基于支持向量機(jī)的紡織品服裝安全風(fēng)險(xiǎn)評(píng)價(jià)模型研究[D].上海：東華大學(xué)，2011

[4]李瀟.基于支持向量回歸的電力采購評(píng)標(biāo)方法研究[D].天津：天津大學(xué)2010