趙宏石

?

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

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，在每個企業(yè)和服務(wù)部門發(fā)明新的方法，改進工藝過程，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)濟發(fā)展方式的轉(zhuǎn)變，推進企業(yè)的全面轉(zhuǎn)型升級的必經(jīng)之路。筆者為了直接的對工業(yè)企業(yè)的技術(shù)創(chuàng)新能力成熟度等級進行定量評價以及提高在同行業(yè)競爭中的競爭力而建立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)展策略來提高競爭優(yōu)勢，增強企業(yè)核心競爭力，獲取最佳的經(jīng)濟效益和社會效益。

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；SVM模型

一、緒論

將企業(yè)活動為基礎(chǔ)，以市場為導(dǎo)向，把技術(shù)創(chuàng)新轉(zhuǎn)化為經(jīng)濟優(yōu)勢。在一定經(jīng)濟條件下，以提升同行業(yè)競爭力為方向，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)競爭激烈和技術(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)、提升競爭力的關(guān)鍵和經(jīng)濟增長的力量源泉。筆者通過SVM算法構(gòu)建了工業(yè)企業(yè)技術(shù)創(chuàng)新成熟度等級評價模型，能有效的推動其技術(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)濟角度結(jié)合的角度，以及在經(jīng)濟發(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)新理論為藍本，對經(jīng)濟學(xué)的創(chuàng)新研究開展了進一步的研究，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、需求拉動模型、整合模型、技術(shù)推動模型、系統(tǒng)整合網(wǎng)絡(luò)模型等，建立了技術(shù)創(chuàng)新，機制創(chuàng)新，制度創(chuàng)新雙螺旋等理論體系，構(gòu)成了人們對于經(jīng)濟學(xué)上創(chuàng)新理論的理解。

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

國內(nèi)外對技術(shù)創(chuàng)新研究的三個發(fā)展階段

(二)支持向量機原理簡介

1、支持向量機的主要思想。支持向量機(Support Vector Machine簡稱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，很快成為機器學(xué)習的主流技術(shù)。但實際上早Vapnik和他的研究小組早在上個世紀六七十年代就提出了支持向量機，并在1990年開始得到了推廣應(yīng)用。SVM就是一個升維和線性化的方法，簡單來說就是通過一個非線性映射，把樣本空間映射到一個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。而通常的升維會帶來計算的復(fù)雜化，SVM方法巧妙地解決了這個難題：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式；由于是在高維特征空間中建立線性學(xué)習機，所以與線性模型相比，不但幾乎不增加計算的復(fù)雜性，而且在某種程度上避免了“維數(shù)災(zāi)難”。這一切都要歸功于核函數(shù)的展開和計算理論。

2、SVM分類原理。支持向量機分類思想主要是通過建立一個分類超平面，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)解由標準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，決定了超平面與原點之間的距離。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：

因為現(xiàn)在的目標函數(shù)是二次的，約束條件是線性的，所以它是一個凸二次規(guī)劃問題，這個問題可以用現(xiàn)成的QP優(yōu)化包進行求解。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算法求解對偶規(guī)劃問題中的拉格朗日乘子αi。

3、核函數(shù)。對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更高維的特征空間，使得樣本在這個特征空間內(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應(yīng)的模型可表示為：

f(x)=wTφ(x)+b

有

其對偶問題是

由于特征空間維數(shù)可能很高，甚至可能是無窮維，因此直接計算φ(xi)Tφ(xj)通常很困難，這時引入核函數(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，支持向量機首先在低維空間中完成計算，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)新能力成熟度評價的實證分析

(一)工業(yè)行業(yè)技術(shù)綜述

支持向量機應(yīng)用于工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度等級評價的原理是：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)新能力成熟度評價模型的輸入變量和輸出結(jié)果，本次采樣總數(shù)24，因子分析當中，計算出來的公因子個數(shù)為5，因此，模型的輸入變量為5個，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，以此作為變量輸出。由于所選樣本非線性且等級數(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)超平面時具有較強的非線性映射能力。基于RBF的支持向量機模型，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與少量離群點之間進行折中的一個參數(shù)，即C用于控制錯分樣本懲罰程度，通常情況，測試精度隨C的增大而提高，當達到某一定值時可得到最佳分類錯誤率和最佳支持向量數(shù)。此外，核參數(shù)的選取也會直接影響分類器訓(xùn)練效果的好壞，因為核函數(shù)、映射函數(shù)和特征空間是一一對應(yīng)的關(guān)系。本文采用交叉驗證和網(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，使得分類器能夠?qū)ξ粗獢?shù)據(jù)做出精確預(yù)測，最終可以較為理想地評價測試樣本等級。

支持向量機SVM分類主要基于“訓(xùn)練—預(yù)測”的流程，首先利用svmtrain命令實現(xiàn)對樣本數(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)新能力成熟度等級評價模型給不同的等級劃分了不同的關(guān)鍵過程域和關(guān)鍵實踐活動，企業(yè)一旦滿足某一等級所有的關(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等級的關(guān)鍵實踐活動作為目標，通過實施一系列的活動來提高自身的成熟度等級。

當企業(yè)技術(shù)創(chuàng)新能力成熟度評價結(jié)果為1時，企業(yè)的技術(shù)創(chuàng)新能力屬于無序級，創(chuàng)新水平較低，創(chuàng)新資源較匱乏，技術(shù)創(chuàng)新表現(xiàn)為組織中個人的隨機性創(chuàng)新，因此，處于無序級的企業(yè)在進行技術(shù)創(chuàng)新活動的過程中，要積極培養(yǎng)組織中成員的自主創(chuàng)新意識，將規(guī)范級的關(guān)鍵實踐活動作為自身努力的目標。而處于規(guī)范級的企業(yè)則需以更高級的戰(zhàn)略級關(guān)鍵實踐活動作為為目標，逐步提高自身的技術(shù)創(chuàng)新能力。當評價結(jié)果為2或3時，企業(yè)的技術(shù)創(chuàng)新能力處于規(guī)范級或戰(zhàn)略級，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)長足發(fā)展的戰(zhàn)略目標。處于這兩個級別的企業(yè)在市場中都擁有自身的優(yōu)勢與特色，能夠根據(jù)市場需求調(diào)整產(chǎn)品結(jié)構(gòu)和技術(shù)模式。當評級結(jié)果為4或5時，企業(yè)的技術(shù)創(chuàng)新能力處于優(yōu)化級和協(xié)同級，此時企業(yè)的技術(shù)創(chuàng)新實力較強，擁有先進的技術(shù)創(chuàng)新所需硬件設(shè)備和優(yōu)良的研發(fā)團隊，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，成熟度等級較高的技術(shù)創(chuàng)新模式應(yīng)為每個企業(yè)發(fā)展的前進目標。

四、結(jié)論與展望

本文將支持向量機分類器應(yīng)用于評價工業(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，對數(shù)據(jù)進行降維和去噪，大大簡化了指標體系的復(fù)雜性，為后面分類器的訓(xùn)練與預(yù)測提供了有效的輸入變量，縮短了模型的訓(xùn)練時間，提高了模型的訓(xùn)練響應(yīng)速度。通過實證分析證實該方法能有效解決技術(shù)創(chuàng)新能力成熟度評價問題并給出了關(guān)鍵等級的行動建議。(作者單位：內(nèi)蒙古財經(jīng)大學(xué))

參考文獻：

[1]王寶，高峰，姬貴林.典型重工業(yè)城市企業(yè)技術(shù)創(chuàng)新能力評價及提升對策研究[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.2000(4):91-92

[3]丁雪梅.基于支持向量機的紡織品服裝安全風險評價模型研究[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標方法研究[D].天津：天津大學(xué)2010