西部欠发达地区大数据产业发展能力评价研究

发布时间：2021-08-20 14:14

　　在国家大力发展大数据的背景下,众多西部欠发达地区都希望利用大数据实现弯道超车。与发达地区相比,包括贵州省在内的大部分西部欠发达地区,由于受到信息基础设施薄弱、信息化应用水平偏低、人才供血不足等因素制约,是否应该大力发展大数据产业,是否具备发展大数据产业相关基础条件,一直受到学术界和政府的共同关注。与此同时,如何评价各地市大数据产业发展能力,完成各省大数据产业空间布局,实现省、地市协同发展,是制定大数据产业政策的关键任务。因此,迫切需要构建一套科学的大数据产业发展能力评价体系和评价模型,较为准确地衡量和反映西部欠发达地区大数据产业的发展水平和现状,从理论和实践上指导西部欠发达地区大数据产业的建设和发展,对保持和提高地区竞争优势,获取最佳经济效益和社会效益具有特别重要的意义。本文首先总结影响西部欠发达地区大数据产业发展的基础因素、核心因素和环境因素。参考新一代信息技术相关产业发展的评价体系,依据指标体系构建原则,建立了西部欠发达地区大数据产业发展能力评价指标体系。其次,回顾了目前常用的评价方法如层次分析法、主成分分析法、因子分析法等,并构建基于熵权-BP神经网络模型的西部欠发达地区大数据产... 

【文章来源】：昆明理工大学云南省

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

四种改进算法训练对比图

学硕士学位论文 西部欠发达地区大数据产业发展能i)=mse(err);表 5.7 BP 神经网络隐含层节点数与均方误差比较层节点数 5 6 7 8 误差 mse 0.0197 0.0105 0.0043 0.0435 层节点数 10 11 12 13 误差 mse 0.009 0.000328 0.0343 0.000304 对上述结果进行分析，可以看出当 BP 网络的均方误差值最小节点个数最佳。由上表可以看出，当隐含层节点数为 13 时，B误差值最小，为 0.000304。因此确定隐含层节点数为 13，得到构如图 5.2 所示：

BP神经网络训练曲线

【参考文献】：
期刊论文
[1]长三角城市旅游产业竞争力综合比较研究——基于AHP法与BP人工神经网络模型[J]. 徐知渊,吕昌河.  中国人口·资源与环境. 2017(S1)
[2]中部六省电子信息产业竞争力评价与趋势分析——基于面板数据的因子分析[J]. 扶秀红.  西昌学院学报(自然科学版). 2016(04)
[3]我国高技术服务业区域发展水平综合评价——基于因子分析与改进聚类分析的实证研究[J]. 王正新,朱洪涛,陈雁南.  科技管理研究. 2016(15)
[4]安徽省现代信息服务业综合评价[J]. 马成文,徐娜娜.  经济研究导刊. 2016(21)
[5]中、日、美大数据产业的竞争优势比较与启示[J]. 汪晓文,曲思宇,张云晟.  图书与情报. 2016(03)
[6]基于改进型BP神经网络的大数据上市公司创新能力评价[J]. 胡震云,叶燕杰.  武汉理工大学学报(信息与管理工程版). 2016(03)
[7]基于GA-BP模型的船舶靠泊操纵智能化评价[J]. 陈锦标,唐瑶,肖英杰.  中国航海. 2016(01)
[8]基于LM-BP算法的绿色建筑评价研究[J]. 魏晓,董莉莉.  科技通报. 2016(02)
[9]基于BP神经网络的社会企业动态能力评价研究[J]. 汪忠,袁丹,江资斌,吴倩.  中国地质大学学报(社会科学版). 2016(01)
[10]我国物联网产业统计指标体系基本框架研究[J]. 薛洁.  科技管理研究. 2015(23)

硕士论文
[1]智慧城市建设及评价体系研究[D]. 段虹.上海交通大学 2014
[2]辽宁省现代信息服务业发展水平评估研究[D]. 陶思远.东北财经大学 2010



本文编号：3353650