摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-21页 |
1.1 研究背景与意义 | 第11-12页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究目的及意义 | 第12页 |
1.2 国内外研究现状 | 第12-17页 |
1.2.1 企业活力及其评价相关研究 | 第12-13页 |
1.2.2 城市活力相关研究 | 第13-16页 |
1.2.3 国内外研究现状评述 | 第16-17页 |
1.3 本文的研究思路、方法与研究内容 | 第17-20页 |
1.3.1 研究思路 | 第17-18页 |
1.3.2 研究方法 | 第18-19页 |
1.3.3 研究内容 | 第19-20页 |
1.4 本文的创新之处 | 第20-21页 |
第二章 研究理论基础 | 第21-26页 |
2.1 企业活力理论 | 第21页 |
2.2 城市活力理论 | 第21-22页 |
2.3 聚类分析 | 第22-24页 |
2.3.1 基于划分的聚类算法 | 第22页 |
2.3.2 基于层次的聚类算法 | 第22-24页 |
2.4 高斯投影理论 | 第24-26页 |
第三章 企业活力构成因素及评价指标体系的构建 | 第26-40页 |
3.1 指标体系设计的原则 | 第26-27页 |
3.2 企业活力评价指标体系的设计 | 第27-35页 |
3.2.1 企业活力内部构成指标的选择 | 第28-31页 |
3.2.2 企业活力外部构成指标的选择 | 第31-35页 |
3.3 确定企业活力评价指标权重 | 第35-40页 |
3.3.1 指标权重的确定方法 | 第35-37页 |
3.3.2 企业活力评价指标权重的确定 | 第37-40页 |
第四章 企业活力评价及结果聚类 | 第40-48页 |
4.1 北京信息产业上市公司企业活力评价 | 第40-43页 |
4.1.1 数据的收集 | 第40-41页 |
4.1.2 确定指标权重 | 第41页 |
4.1.3 计算综合评价结果 | 第41-42页 |
4.1.4 评价结果可视化分析 | 第42-43页 |
4.2 聚类算法的选择 | 第43-44页 |
4.3 对K-means聚类算法的改进 | 第44-46页 |
4.3.1 在K值的选取上的改进 | 第44页 |
4.3.2 在初始质心选取上的改进 | 第44页 |
4.3.3 基于层次聚类改进的K-means聚类算法的实现过程 | 第44-46页 |
4.4 聚类有效性验证及可视化分析 | 第46-48页 |
第五章 实证研究 | 第48-64页 |
5.1 信息产业的定义 | 第48-49页 |
5.2 北京市信息产业现状及POI分布分析 | 第49-53页 |
5.2.1 北京市信息产业现状 | 第49-51页 |
5.2.2 北京市POI分布 | 第51-53页 |
5.3 评价结果聚类分析 | 第53-64页 |
5.3.1 企业活力一级指标聚类计算 | 第53-55页 |
5.3.2 一级指标聚类结果分析 | 第55-58页 |
5.3.3 企业活力二级指标聚类计算 | 第58-59页 |
5.3.4 二级指标聚类结果分析 | 第59-64页 |
第六章 总结与展望 | 第64-67页 |
6.1 结论 | 第64-65页 |
6.2 研究不足与展望 | 第65-67页 |
参考文献 | 第67-70页 |
致谢 | 第70-71页 |
攻读学位期间取得的科研成果 | 第71页 |