基于支持向量機的科技公共服務平臺滿意度評價研究.pdf

1、支持向量機(SupportVectorMachine，SVM)方法是在統(tǒng)計學習理論(SLT)基礎上提出的一種新的學習方法，是目前為止最成功的一種分類工具。本文在介紹支持向量機(SW)基本原理的基礎上，探討基于支持向量機的科技公共服務平臺滿意度評價方法。利用因子分析等方法科學的確定科技公共服務平臺滿意度評價體系。根據(jù)支持向量機多分多類的方法，細化了評價類別，使得評價更為具體。通過大量實地調(diào)研，以青島市10家科技公共服務平臺進行應用檢驗，選

2、取其中8家相關滿意度調(diào)查數(shù)據(jù)作為學習樣本，2家作為預測樣本來識別待研究科技公共服務平臺類別，通過驗證，使用支持向量機得到的分類結(jié)果正確率達到100％。同時對比BP神經(jīng)網(wǎng)絡模型得出對于科技公共服務平臺滿意度評價，支持向量機是一種更具優(yōu)勢的方法。在肯定支持向量機優(yōu)點的同時，結(jié)合實際應用過程中出現(xiàn)的問題，指出支持向量機評價方法本身存在的局限，提出改善或補充的方法。 使用支持向量機對科技公共服務平臺滿意度進行準確有效的評價，通過建立綜合

3、滿意度評價指標體系，進行理論與方法的研究，建立一套科學的評價模型，得出具有泛化應用價值的評價體系，對評價結(jié)果進行科學分析，為政府有關部門提供輔助決策信息，為平臺運行模式的創(chuàng)新提供方向，并可發(fā)現(xiàn)平臺運行過程中存在的問題，尋求績效優(yōu)化的途徑。 借助于支持向量機進行科技公共服務平臺滿意度評價是對科技公共服務平臺評價的前沿探索。本文選擇從顧客滿意度角度出發(fā)進行科技公共服務平臺評價，打開了科技公共服務平臺評價的新視角；結(jié)合因子分析法等手段