| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第15-32页 |
| 1.1 研究背景及意义 | 第15-21页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 研究对象界定 | 第17-19页 |
| 1.1.3 研究意义 | 第19-21页 |
| 1.2 国内外研究现状分析 | 第21-27页 |
| 1.2.1 地理空间数据分析与GIS研究现状与进展 | 第21-22页 |
| 1.2.2 智能计算研究现状与进展 | 第22-24页 |
| 1.2.3 中小科技企业发展环境评价研究现状与进展 | 第24-27页 |
| 1.3 存在的问题和难点 | 第27-29页 |
| 1.4 研究思路及章节安排 | 第29-32页 |
| 2 基于GWO-SVM混合模型与GIS的生存适宜度评价及其时空规律研究 | 第32-78页 |
| 2.1 问题提出及分析 | 第32-34页 |
| 2.1.1 研究对象定义及其衡量标准 | 第32页 |
| 2.1.2 适宜度等级划分 | 第32-33页 |
| 2.1.3 多因子选择及量化 | 第33-34页 |
| 2.1.4 问题特性 | 第34页 |
| 2.2 GWO-SVM混合模型构建目的 | 第34-36页 |
| 2.3 GWO-SVM混合模型理论基础 | 第36-41页 |
| 2.3.1 支持向量机 | 第36-38页 |
| 2.3.2 灰狼算法 | 第38-41页 |
| 2.4 小样本环境下GWO-SVM进化支持向量机混合模型研究 | 第41-46页 |
| 2.4.1 初始化设置 | 第43页 |
| 2.4.2 适应度函数构造 | 第43-44页 |
| 2.4.3 灰狼搜索最优参数目标策略 | 第44页 |
| 2.4.4 更新模型参数 | 第44-45页 |
| 2.4.5 仿真实验与结果分析 | 第45-46页 |
| 2.5 生存适宜度评价GWO-SVM进化支持向量机混合模型应用实验 | 第46-58页 |
| 2.5.1 数据准备 | 第46-51页 |
| 2.5.2 GWO-SVM混合模型构建 | 第51-52页 |
| 2.5.3 GWO-SVM混合模型验证 | 第52-53页 |
| 2.5.4 多种不同SVM模型评价性能比较 | 第53-56页 |
| 2.5.5 指标贡献值排序 | 第56-57页 |
| 2.5.6 GWO-SVM混合模型效果分析与讨论 | 第57-58页 |
| 2.6 基于GIS的生存适宜度时空分析方法 | 第58-64页 |
| 2.6.1 适宜度空间数据辨识 | 第58页 |
| 2.6.2 适宜度空间数据分类 | 第58-59页 |
| 2.6.3 适宜度空间数据特点分析 | 第59-60页 |
| 2.6.4 适宜度空间数据模型构建 | 第60-61页 |
| 2.6.5 适宜度空间数据结构设计 | 第61-64页 |
| 2.7 基于GIS的中小科技企业生存适宜度时空规律实例分析 | 第64-76页 |
| 2.7.1 基于GIS的生存适宜度时空规律总体分析 | 第64-66页 |
| 2.7.2 基于GIS的生存适宜度空间分析 | 第66页 |
| 2.7.3 基于GIS的生存适宜度时间分析 | 第66-70页 |
| 2.7.4 基于GIS的生存适宜度时空规律机理分析 | 第70-76页 |
| 2.8 结论与认识 | 第76-77页 |
| 2.9 本章小结 | 第77-78页 |
| 3 基于AHP-FCE-CM混合模型与GIS的融资信用评价及其空间分布规律研究 | 第78-111页 |
| 3.1 问题提出及分析 | 第78-81页 |
| 3.1.1 研究对象描述 | 第78-79页 |
| 3.1.2 多因子选择及量化 | 第79-80页 |
| 3.1.3 问题特性 | 第80页 |
| 3.1.4 AHP-FCE-CM混合模型构建目的 | 第80-81页 |
| 3.2 AHP-FCE-CM混合模型理论基础 | 第81-87页 |
| 3.2.1 层次分析法 | 第81-84页 |
| 3.2.2 模糊综合评判法 | 第84-85页 |
| 3.2.3 云模型 | 第85-87页 |
| 3.3 主观决策背景下云模型改进多层次模糊综合评判理论研究 | 第87-92页 |
| 3.3.1 主观决策背景下云模型改进层次分析法 | 第87-91页 |
| 3.3.2 主观决策背景下云模型改进模糊综合评判法 | 第91-92页 |
| 3.4 融资信用评价AHP-FCE-CM混合模型应用实验 | 第92-101页 |
| 3.4.1 数据准备 | 第92-95页 |
| 3.4.2 AHP-FCE-CM混合模型构建及应用 | 第95-101页 |
| 3.4.3 AHP-FCE-CM混合模型效果分析与讨论 | 第101页 |
| 3.5 基于GIS的中小科技企业融资信用空间分析方法 | 第101-105页 |
| 3.5.1 融资信用空间数据辨识与分类 | 第101-102页 |
| 3.5.2 融资信用空间数据特点分析 | 第102-103页 |
| 3.5.3 融资信用空间数据模型构建 | 第103页 |
| 3.5.4 融资信用空间数据结构设计 | 第103-105页 |
| 3.6 基于GIS的融资信用空间分布规律及其机理分析应用实验 | 第105-109页 |
| 3.6.1 融资信用评价等级空间分布规律 | 第105-106页 |
| 3.6.2 融资信用等级空间分布规律的机理分析 | 第106-109页 |
| 3.7 结论与认识 | 第109-110页 |
| 3.8 本章小结 | 第110-111页 |
| 4 基于VMD-GWO-ELM混合模型与GIS的创业信心评价及其时空规律研究 | 第111-147页 |
| 4.1 问题提出及分析 | 第111-114页 |
| 4.1.1 研究对象 | 第111页 |
| 4.1.2 互联网创业信心搜索指数 | 第111-113页 |
| 4.1.3 问题特性 | 第113页 |
| 4.1.4 VMD-GWO-ELM混合模型构建目的 | 第113-114页 |
| 4.2 VMD-GWO-ELM混合模型理论基础 | 第114-116页 |
| 4.2.1 变分模态分解 | 第114-115页 |
| 4.2.2 极限学习机 | 第115-116页 |
| 4.3 非平稳时间序列环境下三阶段进化极限学习机混合模型研究 | 第116-121页 |
| 4.3.1 基于变分模态分解的时间序列分解 | 第117页 |
| 4.3.2 模型参数初始化 | 第117页 |
| 4.3.3 适宜度函数确定 | 第117-118页 |
| 4.3.4 灰狼算法搜索最优解策略 | 第118页 |
| 4.3.5 获取最优参数值 | 第118-119页 |
| 4.3.6 仿真实验与结果分析 | 第119-121页 |
| 4.4 创业信心评价VMD-GWO-ELM混合模型应用实验 | 第121-129页 |
| 4.4.1 数据准备 | 第121页 |
| 4.4.2 时间序列分解 | 第121-122页 |
| 4.4.3 模型输入变量确定 | 第122-125页 |
| 4.4.4 VMD-GWO-ELM模型构建与应用验证 | 第125-128页 |
| 4.4.5 VMD-GWO-ELM混合模型效果分析与讨论 | 第128-129页 |
| 4.5 基于GIS的创业信心时空分析方法 | 第129-132页 |
| 4.5.1 创业信心空间数据辨识与分类 | 第129-130页 |
| 4.5.2 创业信心空间数据特点分析 | 第130页 |
| 4.5.3 创业信心空间数据模型构建 | 第130页 |
| 4.5.4 创业信心空间数据结构设计 | 第130-132页 |
| 4.6 基于GIS的中小科技企业创业信心时空规律实例分析 | 第132-144页 |
| 4.6.1 创业信心时空总体评价 | 第132-133页 |
| 4.6.2 创业信心空间分析 | 第133-135页 |
| 4.6.3 创业信心时间分析 | 第135-144页 |
| 4.7 结论与认识 | 第144-145页 |
| 4.8 本章小结 | 第145-147页 |
| 5 总结与展望 | 第147-152页 |
| 5.1 论文总结 | 第147-149页 |
| 5.2 本文的特色与创新 | 第149-151页 |
| 5.3 存在的主要问题与展望 | 第151-152页 |
| 致谢 | 第152-154页 |
| 参考文献 | 第154-166页 |
| 附录1 攻读博士学位期间发表/获得的论文及专利 | 第166-167页 |
| 附录2 攻读博士学位期间参与及完成的科研项目 | 第167-168页 |
