基于模糊神经网络的高校专利技术产业化风险评估

发布时间：2017-10-03 00:32

  本文关键词：基于模糊神经网络的高校专利技术产业化风险评估

  更多相关文章： 高校专利技术产业化 风险评估 灰色多层次分析法 BP神经网络 模糊神经网络

【摘要】：高校专利技术产业化是一个国家科技实力的重要体现,是高校实现其服务社会功能的核心体现。高校专利技术产业化进程是技术创新能力综合评估的重要标志之一,同样也关系到高校在竞争中的生存和发展。然而,目前高校专利技术产业化效率仍然偏低,这是因为在产业化进程中存在着诸多制约因素与风险因子。因此,如能对高校专利技术产业化过程中的风险进行有效分析,建立合理的高校专利技术产业化风险指标体系,并选取合适的评估方法对其进行评估,提出有效的建议与应对措施,必将能为推进高校专利技术产业化提供客观有力的数据支撑与实施向导。进而进一步良好促进高校专利技术产业化效率与进程。 本论文通过对高校专利技术产业化的风险管理理论进行研究,根据高校专利技术产业化的特点,将理论与实际相结合,定性与定量分析相结合,大胆尝试建立高校专利技术产业化风险评估指标体系与基于模糊神经网络的评估模型,选取三种评估方法对高校专利技术产业化风险进行对比评估分析,希望在此基础上为推进高校专利技术产业化提供客观有力的数据支撑与实施向导。 在文章的最后选取清华大学作为实例,分别利用灰色多层次分析方法、BP神经网络、模糊神经网络对高校专利技术产业化风险进行对比实证评估,论证模糊神经网络在高校专利技术产业化风险评估中的有效性与优势所在。并在评估结论的基础上,提出高校专利技术产业化风险评估控制策略,希望对以后学者的研究能提供一定的向导与借鉴作用。
【关键词】：高校专利技术产业化 风险评估 灰色多层次分析法 BP神经网络 模糊神经网络
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：G644
【目录】：

• 致谢5-6
• 中文摘要6-7
• Abstract7-11
• 图表清单11-14
• 1 绪论14-33
• 1.1 研究背景14-17
• 1.1.1 相关概念的界定15-16
• 1.1.2 研究的现实需要16-17
• 1.2 研究意义17-19
• 1.2.1 理论意义18
• 1.2.2 实践意义18-19
• 1.3 国内外研究现状19-25
• 1.3.1 专利技术产业化的研究现状19-20
• 1.3.2 高校专利技术产业化的研究现状20-22
• 1.3.3 风险评估理论研究现状22-24
• 1.3.4 基于模糊神经网络的高校专利技术产业化风险评估研究现状24-25
• 1.4 高校专利技术产业化发展现状与问题分析25-29
• 1.4.1 高校专利技术产业化发展现状25-28
• 1.4.2 高校专利技术产业化问题研究28-29
• 1.5 研究内容与创新点29-31
• 1.5.1 研究内容30
• 1.5.2 创新点30-31
• 1.6 研究方法与研究技术路线31-33
• 1.6.1 研究方法31
• 1.6.2 研究技术路线图31-33
• 2 相关理论概述33-49
• 2.1 风险识别理论33-34
• 2.1.1 风险的性质33-34
• 2.1.2 风险识别方法34
• 2.2 高校专利技术产业化理论分析34-37
• 2.2.1 高校专利技术产业化模式34-35
• 2.2.2 高校专利技术产业化风险研究35-37
• 2.3 风险评估方法37-49
• 2.3.1 灰色多层次分析方法37-39
• 2.3.2 BP神经网络(BPNN)39-43
• 2.3.3 模糊神经网络(FNN)43-47
• 2.3.4 BP神经网络与模糊神经网络对比研究47-49
• 3 高校专利技术产业化风险评估指标体系构建49-56
• 3.1 评估指标体系构建基本原则与基本流程49-50
• 3.1.1 评估指标体系构建的基本原则49
• 3.1.2 评估指标体系构建的基本流程49-50
• 3.2 评估指标体系构建50-56
• 3.2.1 评估指标体系的设计51-54
• 3.2.2 评估指标体系的组成54-56
• 4 基于模糊神经网络的高校专利技术产业化风险评估模型构建56-60
• 4.1 模型构建的总体思路及基本步骤56
• 4.1.1 模型构建的总体思路56
• 4.1.2 模型构建的基本步骤56
• 4.2 评估模型的建立56-60
• 4.2.1 评估模型的网络结构57
• 4.2.2 评估模型的参数57-60
• 5 实证研究-清华大学专利技术产业化风险评估60-88
• 5.1 清华大学专利技术产业化现状60-62
• 5.1.1 清华大学专利技术产业化成果60
• 5.1.2 清华大学专利技术产业化风险研究60-62
• 5.2 基于灰色多层次分析方法的清华大学专利技术产业化风险评估62-70
• 5.2.1 确定评估灰类及白化权函数62-63
• 5.2.2 评定等级63
• 5.2.3 确定指标体系及各级指标权重63-67
• 5.2.4 专家评分及灰色综合评估67-70
• 5.3 基于BP神经网络的清华大学专利技术产业化风险评估70-76
• 5.3.1 输入节点数70
• 5.3.2 输入输出层数据进行归一化处理70-73
• 5.3.3 输出层节点数73
• 5.3.4 隐含层节点数73-74
• 5.3.5 学习效率η74-75
• 5.3.6 MATLAB算法及评估等级75-76
• 5.3.7 网络训练与仿真76
• 5.4 基于模糊神经网络的清华大学专利技术产业化风险评估76-83
• 5.4.1 风险定级77
• 5.4.2 数据处理77-81
• 5.4.3 模糊神经网络的训练81-82
• 5.4.4 模糊神经网络的测试82-83
• 5.5 清华大学专利技术产业化风险评估方法对比分析83-85
• 5.5.1 三种评估方法的基本步骤83
• 5.5.2 模糊神经网络对高校专利技术产业化风险评估的优越性83-85
• 5.6 高校专利技术产业化风险控制对策研究85-88
• 5.6.1 鼓励高校主动进行专利技术产业化85
• 5.6.2 建立以市场为导向产学研相结合的研发战略85-86
• 5.6.3 加强校企科技合作,增大企业对高校专利技术产业化的推力86
• 5.6.4 设立专业的专利技术产业化服务机构86-87
• 5.6.5 完善专利产业化平台建设,提高实施效率87-88
• 6 结论88-90
• 参考文献90-94
• 附录94-104
• 作者简历104-106

【参考文献】

中国期刊全文数据库 前10条

1 杨先野;王宝华;;基于减法聚类的ANFIS在水资源利用状况评价中的应用[J];广东水利电力职业技术学院学报;2010年01期

2 武建龙;王宏起;陶微微;;高校专利技术产业化路径选择研究[J];管理学报;2012年06期

3 赵力敏;李华;;模糊层次分析法在工程管理风险评估中的应用[J];贵州水力发电;2012年02期

4 徐北平;;基于BP神经网络的高速公路专项养护工程安全风险评估研究[J];黑龙江交通科技;2012年01期

5 张克让;技术转移的特征、模式及基础要素浅析[J];科技导报;2002年01期

6 王桂月;王树恩;;基于模糊神经网络的高校科技成果转化评价研究[J];科技管理研究;2009年12期

7 薛敏;;技术转移效率的评价指标研究[J];科技进步与对策;2007年03期

8 杨敏利;查博;;基于GA-BP神经网络的专利技术产业化全过程评价研究[J];科技进步与对策;2010年20期

9 张友生;梅元红;;国外高校专利技术转移工作分析及对我国高校的启示[J];科技进步与对策;2010年24期

10 黄洪波;宋河发;曲婉;;专利产业化及其评价指标体系与测度方法研究[J];科技进步与对策;2011年15期

，

本文编号：962169