数据挖掘在科技项目评估中的应用
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 前言 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·研究重点 | 第11-12页 |
| ·论文研究思路 | 第12-14页 |
| 第二章 科技项目评估理论与方法概述 | 第14-28页 |
| ·科技项目评估的基本概念 | 第14-15页 |
| ·科技项目评估的特点与分类 | 第15-17页 |
| ·科技项目评估理论 | 第17-20页 |
| ·科技项目评估与项目生命周期 | 第17-18页 |
| ·科技项目评估闭环 | 第18-20页 |
| ·科技项目评估指标体系 | 第20-23页 |
| ·科技项目指标体系的确立原则 | 第20-21页 |
| ·科技项目评估指标体系分类比较 | 第21-23页 |
| ·传统科技项目评估方法的应用现状与不足 | 第23-24页 |
| ·传统科技项目评估实践进展综述 | 第23-24页 |
| ·传统科技项目评估方法的特征与不足 | 第24页 |
| ·数据挖掘理论与方法概述 | 第24-28页 |
| ·数据挖掘的基本概念 | 第24-26页 |
| ·数据挖掘的功能介绍 | 第26-27页 |
| ·数据挖掘方法概述 | 第27-28页 |
| 第三章 数据挖掘在科技项目立项评估中的应用 | 第28-41页 |
| ·科技项目立项评估的内容与要求 | 第28-29页 |
| ·科技项目立项评估的内容 | 第28页 |
| ·科技项目立项评估的基本原则 | 第28-29页 |
| ·支持向量机理论 | 第29-34页 |
| ·统计学习理论 | 第29-31页 |
| ·支持向量机的概念 | 第31-34页 |
| ·支持向量机在立项评估中的应用 | 第34-40页 |
| ·设计立项评估指标体系 | 第34-36页 |
| ·基于支持向量机的立项评估模型 | 第36-40页 |
| ·小结 | 第40-41页 |
| 第四章 数据挖掘在科技项目进展评估中的应用 | 第41-56页 |
| ·科技项目进展评估的主要特点 | 第41-42页 |
| ·科技项目进展评估的具体目标 | 第42-43页 |
| ·构建进展评估指标体系 | 第43-45页 |
| ·进展评估指标体系总体结构 | 第43-44页 |
| ·指标体系内涵及标度设计 | 第44-45页 |
| ·粗糙集与模糊聚类 | 第45-48页 |
| ·粗糙集基础理论 | 第45-47页 |
| ·粗糙集研究中的模糊聚类方法 | 第47-48页 |
| ·基于粗糙集和模糊聚类的科技项目进展评估 | 第48-54页 |
| ·专家评估数据预处理 | 第48页 |
| ·进展评估中的数据挖掘应用 | 第48-54页 |
| ·小结 | 第54-56页 |
| 第五章 数据挖掘在科技项目绩效评估中的应用 | 第56-67页 |
| ·科技项目绩效评估的概念 | 第56-58页 |
| ·科技项目绩效评估的含义及作用 | 第56页 |
| ·科技项目绩效评估指标体系 | 第56-58页 |
| ·神经网络在科技项目绩效评估中的应用 | 第58-65页 |
| ·BP 神经网络的基本理论 | 第58-61页 |
| ·重置算法对 BP 传统算法的改进 | 第61-65页 |
| ·小结 | 第65-67页 |
| 第六章 结语 | 第67-69页 |
| ·本文取得的成果 | 第67页 |
| ·存在的问题与进一步的研究方向 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和参加科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |
