| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 企业核心竞争力研究现状 | 第11-13页 |
| 1.2.2 协同创新网络研究现状 | 第13-15页 |
| 1.2.3 当前研究中存在的问题 | 第15页 |
| 1.3 研究内容和创新点 | 第15-16页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 创新点 | 第16页 |
| 1.4 研究方法和技术路线 | 第16-17页 |
| 1.4.1 研究方法 | 第16-17页 |
| 1.4.2 技术路线 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 本研究的理论基础 | 第18-25页 |
| 2.1 企业协同创新网络理论 | 第18-19页 |
| 2.1.1 协同创新网络的起源和发展 | 第18页 |
| 2.1.2 协同创新网络的内涵 | 第18-19页 |
| 2.1.3 协同创新网络的特征 | 第19页 |
| 2.2 知识资本理论 | 第19-22页 |
| 2.2.1 知识资本的概念 | 第19-20页 |
| 2.2.2 知识资本的构成 | 第20-21页 |
| 2.2.3 知识资本的特征 | 第21-22页 |
| 2.3 核心竞争力理论 | 第22-24页 |
| 2.3.1 核心竞争力的起源与发展 | 第22-23页 |
| 2.3.2 核心竞争力的含义 | 第23页 |
| 2.3.3 核心竞争力的特征 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于协同创新网络的IT企业核心竞争力分析 | 第25-34页 |
| 3.1 IT企业发展概况 | 第25-26页 |
| 3.1.1 IT企业发展现状 | 第25页 |
| 3.1.2 IT企业特点 | 第25-26页 |
| 3.2 IT企业核心竞争力概述 | 第26-28页 |
| 3.2.1 IT企业核心竞争力内涵 | 第26-27页 |
| 3.2.2 IT企业核心竞争力特征 | 第27页 |
| 3.2.3 IT企业核心竞争力本源探讨 | 第27-28页 |
| 3.3 IT企业协同创新网络概述 | 第28-31页 |
| 3.3.1 IT协同创新网络构成 | 第28-29页 |
| 3.3.2 IT企业协同创新网络的影响因素分析 | 第29-31页 |
| 3.4 IT企业协同创新网络与知识资本、核心竞争力关系研究 | 第31-33页 |
| 3.4.1 协同创新网络与知识资本关系 | 第31-33页 |
| 3.4.2 知识资本与核心竞争力的关系 | 第33页 |
| 3.4.3 协同创新网络对核心竞争力影响分析 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 IT企业核心竞争力评价指标体系构建 | 第34-56页 |
| 4.1 指标体系构建原则 | 第34-35页 |
| 4.2 关系假设及变量确定 | 第35-41页 |
| 4.2.1 理论关系研究假设 | 第35-36页 |
| 4.2.2 变量确定 | 第36-41页 |
| 4.3 结构方程模型 | 第41-44页 |
| 4.3.1 原理 | 第41-42页 |
| 4.3.2 结构方程模型应用流程 | 第42-44页 |
| 4.4 基于结构方程模型的指标体系验证 | 第44-55页 |
| 4.4.1 SEM模型构建 | 第44-45页 |
| 4.4.2 数据收集与检验 | 第45-47页 |
| 4.4.3 SEM检验、修正与评价 | 第47-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 基于SVM的IT企业核心竞争力评价模型 | 第56-64页 |
| 5.1 支持向量机简介 | 第56-62页 |
| 5.1.1 统计学习理论 | 第56-58页 |
| 5.1.2 支持向量分类机 | 第58-61页 |
| 5.1.3 支持向量回归机 | 第61-62页 |
| 5.2 SVM评价模型的应用流程 | 第62-63页 |
| 5.2.1 SVM评价模型的具体步骤 | 第62-63页 |
| 5.2.2 SVM模型预测误差确定 | 第63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 基于SVM的IT企业核心竞争力评价实例分析 | 第64-81页 |
| 6.1 基于SVM的评价模型 | 第64-71页 |
| 6.1.1 样本数据的采集 | 第64-65页 |
| 6.1.2 样本数据的处理 | 第65-69页 |
| 6.1.3 SVM的学习与训练 | 第69-71页 |
| 6.1.4 确立SVM预测模型 | 第71页 |
| 6.2 实证分析 | 第71-78页 |
| 6.3 对策建议 | 第78-80页 |
| 6.4 本章小结 | 第80-81页 |
| 结论与展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 附录 | 第88-91页 |
| 作者简介 | 第91页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第91-92页 |