原创《基于支持向量机中国城市软件产业竞争力》：该文是关于支持向量机论文范文，为你的论文写作提供相关论文资料参考。
摘 要：作为关系国民经济和社会发展全局的基础性、战略性、先导性产业,软件产业对中国城市经济社会发展具有重要的支撑和引领作用.研究中国城市软件产业竞争力,有利于加快中国城市软件产业布局和政策调整,争抢新一代信息技术和产业发展先机.文章在充分借鉴已有研究成果的基础上,创新地提出城市软件产业竞争力评价体系应结合世界八大科技园区成功关键要素以及世界科技园区的核心竞争力,通过综合环境、产业实力、创新能力和发展潜力四个维度构建.结果表明,产业实力对软件产业竞争力影响最大,贡献度高达54.5%.具体来看,软件产业对经济拉动作用、软件产业政策以及软件产业盈利水平成为影响中国城市软件产业竞争力的主要因素.
关键词：城市软件产业；竞争力；支持向量机
一、 引言
近年来,包括美国、欧盟、日本、韩国和中国在内的世界各个主要国家和地区纷纷加大投入,出台包括云计算、大数据、移动互联网等领域战略规划,积极推进对新一代信息技术的研发和应用,加快技术、标准和产业布局,力图抢占发展先机和战略制高点.
伴随各国加快支持、布局新一代信息技术和产业,争抢发展先机,软件和信息技术服务业（以下简称“软件产业”）的重要地位日益凸现,其在IT产业中的比重不断提高.根据Gartner的相关数据计算,2013年世界软件产业支出占世界IT支出的比重高达33%.工业和信息化部数据显示,在中国IT产业结构中,软件产业的比例从2008年的11.3%上升至2014年的24.2%.
研究中国城市软件产业竞争力,有利于加快中国城市产业布局和政策调整,争抢新一代信息技术和产业发展先机,带动资源要素向具有较强竞争力的城市流动,促进资源合理优化配置.
二、 研究思路与指标体系
1. 研究思路.关于城市软件产业竞争力研究成果有很多,大部分研究以波特*模型为分析依据,从产业投入、产业产出、产业创新能力等方面构建指标体系,研究软件产业竞争力现状、揭示影响软件产业竞争力的主要因素.
贾建莉、刘西林等（2005）以产业的投入和产出、产业的技术创新、产业的市场绩效和产业的外部支撑环境为关键要素,加入劳动强度等相关指标,将陕西省软件产业与其他省和直辖市的软件产业进行了横向比较；嵇留洋,何有世（2012）等人从生产成本、基础设施、人才、软件产业的业务收入等方面对国内软件外包的竞争力进行分析,并对江苏省和国内其他7个省市软件外包的竞争力进行横向的比较和分析；孙德祥（2012）通过主成分分析方法,从产业基础、产业投入、产业产出、创新能力、集聚能力、社会效益和经济效益等方面建立18个指标对国内9个城市进行了评价；袁丹、雷宏振（2014）基于因子分析法,通过软件研发人均经费支出、软件研发人员占比等8个指标对国内12个软件园区竞争力进行了比较分析.
笔者认为,研究中国城市软件产业竞争力时,在充分借鉴已有城市软件产业竞争力研究成果的基础上,应当认真研究全球软件产业发展规律,总结世界科技园区成功的关键要素,寻求世界科技园区核心竞争力,同时结合中国软件产业发展实际,从科学性、全面性和系统性等方面构建中国城市软件产业竞争力评价指标体系,这也是本文的创新之一.
2. 指标体系设计.在全球范围内,具有重要影响力的科技园区包括美国硅谷、日本筑波科学城、法国安蒂波利斯科技城、爱尔兰国家科技园区、英国剑桥科技园区、德国慕尼黑高科技园区、印度班加罗尔、中国台湾新竹科技园区等,通过研究这些科技园区的发展历程,笔者发现,世界八大科技园区成功的关键,一是具有强有力的技术基础,包括健全的基础设施和完善的网络架构,二是具有鼓励创新、容忍失败、政策灵活的创业氛围,三是毗邻高校、依托人才的智力支持,四是在园区管理方面,引入景观规划、行政管理、招商引资方面先进的理念.
从产业竞争力角度看,世界八大科技园区的竞争力突出体现在三个方面：一是知识创新,二是产业聚集,三是政府和市场推动,具体体现在研发支出、科研机构数量、专利数量、产品新形态、信息设施、生活质量等方面.
值得注意的是,与国外科技园区的发展完全由市场主导的发展路径不同,中国城市软件产业一般采用城市发展与软件园区同步一体的发展模式,具有独特的发展特点,突出表现出城市软件产业发展综合环境好、产业集聚能力强、政策支撑力度大、后发优势明显等优点.
根据本文此前拟定的分析思路,笔者认为,中国城市软件产业竞争力评价指标体系应当构建如下：
三、 样本城市和研究方法选择
1. 样本城市选择.根据软件产业实力强,软件产业发展潜力大以及数据可比、可得等原则,本文将样本城市锁定在：北京、上海、天津、重庆、大连、宁波、厦门、青岛、深圳、长春、哈尔滨、南京、杭州、济南、沈阳、武汉、广州、成都、西安等19个城市.
2. 研究方法选择.本文在进行中国城市软件产业竞争力研究时,样本城市为19个,即样本量为19个,评价指标为24个,即变量为24个.由于样本量小于变量个数,传统的统计方法将会失效,应当寻求小样本分析方法.
目前,国内外常用的解决小样本问题的方法主要包括：贝叶斯（Bayes）方法、自助法（Bootstrap）方法、贝叶斯-自助法（Bayes Bootstrap）方法、蒙特卡洛（Monte Carlo）模拟及支持向量机（SVM）方法.
贝叶斯（Bayes）方法通过将关于未知参数的先验信息与样本信息综合,再根据贝叶斯公式,得出后验信息,然后根据后验信息去推断未知参数.使用这种方需要事先获得先验信息.自助法（Bootstrap）方法通过从给定训练集中有放回的均匀抽样来对总体进行推断的方法,这种方法在样本量较小时,会产生较大的误差.贝叶斯-自助法（Bayes Bootstrap）方法将贝叶斯（Bayes）方法与自助法（Bootstrap）方法有效结合,提高了估计的精度,不过它仍然需要掌握部分先验信息.蒙特卡洛（Monte Carlo）模拟通过构造概率模型或模拟系统模型,使所求问题的解正好是该模型的参数或特征量,然后通过模拟给出模型参数或特征量的估计值.它操作简单、程序简单,但存在着收敛速度慢等缺点.支持向量机（SVM）方法以结构风险最小化原则为理论基础,通过适当地选择函数子集及该子集中的判别函数,使学习机器的实际风险达到最小.
支持向量机论文参考资料：
结论：基于支持向量机中国城市软件产业竞争力为适合不知如何写支持向量机方面的相关专业大学硕士和本科毕业论文以及关于支持向量机 原理论文开题报告范文和相关职称论文写作参考文献资料下载。
