| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·背景分析 | 第9页 |
| ·研究综述 | 第9-14页 |
| ·科技公共服务平台的研究现状 | 第9-13页 |
| ·公共项目满意度评价研究现状 | 第13-14页 |
| ·使用支持向量机进行科技公共服务平台满意度评价的研究现状 | 第14页 |
| ·论文研究的内容与结构安排 | 第14-16页 |
| ·论文研究的目的及意义 | 第16页 |
| ·选题的目的 | 第16页 |
| ·选题的意义 | 第16页 |
| ·论文的创新内容 | 第16-17页 |
| 本章小结 | 第17-18页 |
| 2 科技公共服务平台满意度评价体系 | 第18-40页 |
| ·科技公共服务平台的概念及性质 | 第18-21页 |
| ·科技公共服务平台的概念 | 第18页 |
| ·科技公共服平台的性质 | 第18-19页 |
| ·科技公共服务平台的公益性和竞争性 | 第19-21页 |
| ·科技公共服务平台满意度评价指标体系的原则与基本思路 | 第21-24页 |
| ·指标体系确定的原则 | 第21-22页 |
| ·设立科技公共服务平台满意度评价指标的基本思路 | 第22-24页 |
| ·科技公共服务平台满意度评价指标体系的构建 | 第24-40页 |
| ·LEHTINEN 的服务质量与 PZB 模型 | 第24-26页 |
| ·科技公共服务平台满意度评价SERVICE 指标的基本结构 | 第26-30页 |
| ·用因子分析法筛选科技公共服务平台满意度评价指标 | 第30-33页 |
| ·筛选出的科技公共服务平台满意度评价指标 | 第33-39页 |
| 本章小结 | 第39-40页 |
| 3 基于支持向量机的科技公共服务平台满意度评价模型 | 第40-65页 |
| ·基于支持向量机分类的满意度评价理论 | 第40-61页 |
| ·统计学习理论 | 第40-45页 |
| ·SVM 的主要思想 | 第45-47页 |
| ·线性SVM 的运算 | 第47-49页 |
| ·非线性SVM 的运算 | 第49-53页 |
| ·多类分类SVM 的算法 | 第53-61页 |
| ·基于支持向量机的科技公共服务平台满意度评价方法 | 第61-65页 |
| ·建立模型之前需解决的几个问题 | 第61-62页 |
| ·建立评价模型 | 第62-64页 |
| 本章小结 | 第64-65页 |
| 4 基于支持向量机的科技公共服务平台满意度评价的应用研究 | 第65-80页 |
| ·青岛市科技公共服务平台满意度评价指标数据的取得 | 第65-68页 |
| ·支持向量机指标参数的选择及结果 | 第68-77页 |
| ·支持向量机核函数的选择 | 第68-70页 |
| ·基于支持向量机进行科技公共服务平台满意度评价结果 | 第70-77页 |
| ·对比基于BP 神经网络和专家评分法的项目满意度评价结果分析 | 第77-79页 |
| 本章小结 | 第79-80页 |
| 5 本项研究的优、缺点及前景 | 第80-84页 |
| ·基于支持向量机的科技公共服务平台满意度评价的优点 | 第80-82页 |
| ·以全局的观点评价满意度水平 | 第80页 |
| ·训练时间短、准确率高、避免过学习问题 | 第80-81页 |
| ·解决满意度的指标因素与满意程度间是非线性关系 | 第81页 |
| ·能根据细化的标准，评价出平台的具体满意度等级 | 第81页 |
| ·评价方法具有良好的推广性 | 第81页 |
| ·不必考虑指标权重的问题 | 第81-82页 |
| ·基于支持向量机的科技公共服务平台满意度评价的不足及对策建议 | 第82-83页 |
| ·最大的局限——核函数的选择 | 第82页 |
| ·不足之二：科技公共服务平台满意度评价指标的选择 | 第82页 |
| ·SVM 的训练速度极大地受到训练集规模的影响 | 第82-83页 |
| 本章小结 | 第83-84页 |
| 结束语 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 附录 | 第90-116页 |
| 附录一 | 第90-93页 |
| 附录二 | 第93-104页 |
| 附录三 | 第104-110页 |
| 附录四 | 第110-116页 |
| 致谢 | 第116-117页 |
| 攻读学位期间发表的学术论文目录 | 第117-118页 |
