摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-18页 |
1.1 问题提出、背景及研究意义 | 第11-12页 |
1.1.1 问题的提出 | 第11页 |
1.1.2 研究背景 | 第11-12页 |
1.1.3 研究意义 | 第12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 企业核心竞争力研究现状 | 第12-14页 |
1.2.2 产学研协同研究现状 | 第14-15页 |
1.2.3 当前研究中存在的问题与不足 | 第15-16页 |
1.3 研究方法、框架与创新点 | 第16-17页 |
1.3.1 研究方法 | 第16页 |
1.3.2 研究框架 | 第16页 |
1.3.3 技术路线 | 第16-17页 |
1.3.4 创新点 | 第17页 |
1.4 本章小结 | 第17-18页 |
第2章 本文研究的理论基础 | 第18-24页 |
2.1 产学研协同创新理论 | 第18-20页 |
2.1.1 产学研合作 | 第18页 |
2.1.2 产学研协同创新的起源与发展 | 第18-19页 |
2.1.3 产学研协同创新内涵 | 第19页 |
2.1.4 产学研协同创新特征 | 第19-20页 |
2.2 组织学习理论 | 第20-22页 |
2.2.1 组织学习概念 | 第20页 |
2.2.2 组织学习过程 | 第20-21页 |
2.2.3 组织学习测度体系 | 第21-22页 |
2.3 核心竞争力理论 | 第22-23页 |
2.3.1 核心竞争力的起源与发展 | 第22页 |
2.3.2 核心竞争力内涵 | 第22-23页 |
2.3.3 核心竞争力特征 | 第23页 |
2.4 本章小结 | 第23-24页 |
第3章 电子信息企业核心竞争力分析 | 第24-31页 |
3.1 电子信息企业发展概况 | 第24页 |
3.1.1 电子信息企业发展现状 | 第24页 |
3.1.2 电子信息企业内涵 | 第24页 |
3.2 电子信息企业核心竞争力概述 | 第24-25页 |
3.2.1 电子信息企业核心竞争力发展现状 | 第24-25页 |
3.2.2 电子信息企业核心竞争力内涵 | 第25页 |
3.3 电子信息企业产学研协同概述 | 第25-28页 |
3.3.1 电子信息企业产学研协同构成主体 | 第25-26页 |
3.3.2 电子信息企业产学研协同的影响因素分析 | 第26-28页 |
3.4 产学研协同、组织学习与电子信息企业核心竞争力关系 | 第28-30页 |
3.4.1 产学研协同与组织学习间关系 | 第28-29页 |
3.4.2 组织学习与核心竞争力的关系 | 第29页 |
3.4.3 产学研协同与电子信息企业核心竞争力关系 | 第29-30页 |
3.5 本章小结 | 第30-31页 |
第4章 电子信息企业核心竞争力评价指标体系构建 | 第31-49页 |
4.1 电子信息企业核心竞争力评价指标体系构建原则 | 第31页 |
4.2 理论关系及研究假设 | 第31-33页 |
4.3 调查问卷及量表设计 | 第33-39页 |
4.3.1 企业核心竞争力评价的小样本测量 | 第35页 |
4.3.2 企业核心竞争力评价的指标体系变量设定 | 第35-39页 |
4.4 结构方程模型 | 第39-40页 |
4.4.1 结构方程模型原理 | 第39页 |
4.4.2 结构方程模型应用流程 | 第39-40页 |
4.5 基于结构方程模型的指标体系验证 | 第40-48页 |
4.5.1 结构方程模型构建 | 第40-42页 |
4.5.2 结构方程模型检验、分析与评价 | 第42-48页 |
4.6 本章小结 | 第48-49页 |
第5章 基于支持向量机的电子信息企业核心竞争力评价模型 | 第49-58页 |
5.1 支持向量机简介 | 第49-56页 |
5.1.1 统计学习理论 | 第49-51页 |
5.1.2 最优分类超平面 | 第51-52页 |
5.1.3 支持向量分类机 | 第52-54页 |
5.1.4 支持向量回归机 | 第54-55页 |
5.1.5 核函数 | 第55-56页 |
5.2 SVM评价模型应用流程 | 第56-57页 |
5.2.1 SVM评价模型的具体步骤 | 第56-57页 |
5.2.2 SVM模型预测误差确定 | 第57页 |
5.3 本章小结 | 第57-58页 |
第6章 基于SVM的电子信息企业核心竞争力评价实例分析 | 第58-73页 |
6.1 基于SVM的电子信息企业核心竞争力评价模型 | 第58-66页 |
6.1.1 样本数据采集 | 第58-59页 |
6.1.2 样本数据处理 | 第59-63页 |
6.1.3 SVM学习与训练 | 第63-65页 |
6.1.4 确立SVM预测模型 | 第65-66页 |
6.2 实证分析 | 第66-71页 |
6.3 对策建议 | 第71-72页 |
6.4 本章小结 | 第72-73页 |
结论与展望 | 第73-74页 |
致谢 | 第74-75页 |
参考文献 | 第75-80页 |
附录 | 第80-83页 |
作者简介 | 第83页 |
攻读硕士学位期间发表的论文和科研成果 | 第83-84页 |