趙宏石

摘 要：工業(yè)企業(yè)技術(shù)創(chuàng)新就是在掌握前人科學(xué)技術(shù)的基礎(chǔ)上，在每個(gè)企業(yè)和服務(wù)部門(mén)發(fā)明新的方法，改進(jìn)工藝過(guò)程，獲取新的產(chǎn)品，提高產(chǎn)出效率，為人類(lèi)造福。工業(yè)企業(yè)走技術(shù)創(chuàng)新的道路是積極適應(yīng)經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變，推進(jìn)企業(yè)的全面轉(zhuǎn)型升級(jí)的必經(jīng)之路。筆者為了直接的對(duì)工業(yè)企業(yè)的技術(shù)創(chuàng)新能力成熟度等級(jí)進(jìn)行定量評(píng)價(jià)以及提高在同行業(yè)競(jìng)爭(zhēng)中的競(jìng)爭(zhēng)力而建立SVM模型，這可以讓企業(yè)客觀的了解自身的技術(shù)創(chuàng)新能力，從而選取合適的發(fā)展策略來(lái)提高競(jìng)爭(zhēng)優(yōu)勢(shì)，增強(qiáng)企業(yè)核心競(jìng)爭(zhēng)力，獲取最佳的經(jīng)濟(jì)效益和社會(huì)效益。

關(guān)鍵詞：工業(yè)企業(yè)；技術(shù)創(chuàng)新；創(chuàng)新能力成熟度等級(jí)；SVM模型

一、緒論

將企業(yè)活動(dòng)為基礎(chǔ)，以市場(chǎng)為導(dǎo)向，把技術(shù)創(chuàng)新轉(zhuǎn)化為經(jīng)濟(jì)優(yōu)勢(shì)。在一定經(jīng)濟(jì)條件下，以提升同行業(yè)競(jìng)爭(zhēng)力為方向，充分利用各種技術(shù)創(chuàng)新所帶來(lái)的資源即為企業(yè)技術(shù)創(chuàng)新能力。在如今行業(yè)競(jìng)爭(zhēng)激烈和技術(shù)更新迅速的大環(huán)境下，技術(shù)創(chuàng)新已經(jīng)成為企業(yè)生存發(fā)展的基礎(chǔ)、提升競(jìng)爭(zhēng)力的關(guān)鍵和經(jīng)濟(jì)增長(zhǎng)的力量源泉。筆者通過(guò)SVM算法構(gòu)建了工業(yè)企業(yè)技術(shù)創(chuàng)新成熟度等級(jí)評(píng)價(jià)模型，能有效的推動(dòng)其技術(shù)創(chuàng)新能力的提高。

二、相關(guān)理論綜述

（一）技術(shù)創(chuàng)新理論綜述

人們最早知道創(chuàng)新的概念是從技術(shù)和經(jīng)濟(jì)角度結(jié)合的角度，以及在經(jīng)濟(jì)發(fā)展的過(guò)程中摸索技術(shù)創(chuàng)新所起到的作用，約瑟夫·熊彼特是提出現(xiàn)代創(chuàng)新理論的主要代表人物。根據(jù)熊彼特的觀點(diǎn)和分析即所謂創(chuàng)新就是一種新的生產(chǎn)函數(shù)的建立，以從未有過(guò)的關(guān)于引進(jìn)生產(chǎn)系統(tǒng)生產(chǎn)和生產(chǎn)條件要素的新組合。熊彼特認(rèn)為，資本主義企業(yè)家的創(chuàng)業(yè)“靈魂”，就是要不斷創(chuàng)新，推出新的組合。學(xué)術(shù)界以熊彼特創(chuàng)新理論為藍(lán)本，對(duì)經(jīng)濟(jì)學(xué)的創(chuàng)新研究開(kāi)展了進(jìn)一步的研究，使之專(zhuān)業(yè)化，單是創(chuàng)新模型已經(jīng)就分有相互作用模型、需求拉動(dòng)模型、整合模型、技術(shù)推動(dòng)模型、系統(tǒng)整合網(wǎng)絡(luò)模型等，建立了技術(shù)創(chuàng)新，機(jī)制創(chuàng)新，制度創(chuàng)新雙螺旋等理論體系，構(gòu)成了人們對(duì)于經(jīng)濟(jì)學(xué)上創(chuàng)新理論的理解。

根據(jù)筆者對(duì)收集的資料綜合分析后得出國(guó)外在近50多年來(lái)對(duì)于技術(shù)創(chuàng)新方面的積極研究過(guò)程大致可分為以下三個(gè)階段，如下表所示。

國(guó)內(nèi)外對(duì)技術(shù)創(chuàng)新研究的三個(gè)發(fā)展階段

發(fā)展階段發(fā)展時(shí)期主要特征

第一階段20世紀(jì)50年代初到60年代末在新技術(shù)革命浪潮推動(dòng)下，技術(shù)創(chuàng)新研究迅速?gòu)?fù)興，逐步突破新古典經(jīng)濟(jì)學(xué)的局限與束縛，形成對(duì)技術(shù)創(chuàng)新起源、效應(yīng)和內(nèi)部過(guò)程與結(jié)構(gòu)等方面的專(zhuān)門(mén)研究

第二階段20世紀(jì)70年代初到80年代初技術(shù)創(chuàng)新研究從管理科學(xué)和經(jīng)濟(jì)發(fā)展周期研究范疇中相對(duì)獨(dú)立出來(lái)，初步形成了技術(shù)創(chuàng)新研究的理論體系

第三階段20世紀(jì)80年代初至今在綜合已有研究成果的基礎(chǔ)上，從已有的研究范圍中，選出或新提出有關(guān)重點(diǎn)專(zhuān)題深入研究

（二）支持向量機(jī)原理簡(jiǎn)介

1、支持向量機(jī)的主要思想。支持向量機(jī)（Support Vector Machine簡(jiǎn)稱(chēng)SVM）正式發(fā)表于1995年，由于在文本分類(lèi)任務(wù)中顯示出卓越性能，很快成為機(jī)器學(xué)習(xí)的主流技術(shù)。但實(shí)際上早Vapnik和他的研究小組早在上個(gè)世紀(jì)六七十年代就提出了支持向量機(jī)，并在1990年開(kāi)始得到了推廣應(yīng)用。SVM就是一個(gè)升維和線性化的方法，簡(jiǎn)單來(lái)說(shuō)就是通過(guò)一個(gè)非線性映射，把樣本空間映射到一個(gè)高維乃至無(wú)窮維的特征空間中，使得在原來(lái)的樣本空間中非線性可分的問(wèn)題轉(zhuǎn)化為在特征空間中的線性可分的問(wèn)題。而通常的升維會(huì)帶來(lái)計(jì)算的復(fù)雜化，SVM方法巧妙地解決了這個(gè)難題：應(yīng)用核函數(shù)的展開(kāi)定理，就不需要知道非線性映射的顯式表達(dá)式；由于是在高維特征空間中建立線性學(xué)習(xí)機(jī)，所以與線性模型相比，不但幾乎不增加計(jì)算的復(fù)雜性，而且在某種程度上避免了“維數(shù)災(zāi)難”。這一切都要?dú)w功于核函數(shù)的展開(kāi)和計(jì)算理論。

2、SVM分類(lèi)原理。支持向量機(jī)分類(lèi)思想主要是通過(guò)建立一個(gè)分類(lèi)超平面，將分類(lèi)樣本正確分開(kāi)，并且保證分類(lèi)樣本之間的邊緣間隔最大化。借助該分類(lèi)超平面將優(yōu)化問(wèn)題轉(zhuǎn)化為凸二次規(guī)劃問(wèn)題，全局最優(yōu)解由標(biāo)準(zhǔn)的拉格朗日乘子法求解得出。

三、工業(yè)行業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)的實(shí)證分析

（一）工業(yè)行業(yè)技術(shù)綜述

支持向量機(jī)應(yīng)用于工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度等級(jí)評(píng)價(jià)的原理是：備選工業(yè)企業(yè)是樣本集，將分類(lèi)結(jié)果作為類(lèi)別屬性輸出。數(shù)據(jù)預(yù)處理過(guò)程中采用因子分析法篩選得到主成分公因子得分，作為工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)模型的輸入變量和輸出結(jié)果，本次采樣總數(shù)24，因子分析當(dāng)中，計(jì)算出來(lái)的公因子個(gè)數(shù)為5，因此，模型的輸入變量為5個(gè)，也就是工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度分為5等級(jí)，以此作為變量輸出。由于所選樣本非線性且等級(jí)數(shù)為5屬于多分類(lèi)問(wèn)題，因此本文采用非線性的SVM分類(lèi)器進(jìn)行分析。

在SVM分類(lèi)器中，本文選取徑向基函數(shù)（RBF）作為模型的核函數(shù)，其在尋找線性最優(yōu)超平面時(shí)具有較強(qiáng)的非線性映射能力。基于RBF的支持向量機(jī)模型，分類(lèi)訓(xùn)練效果的好壞主要取決于相關(guān)參數(shù)的選取，即懲罰參數(shù)C和核參數(shù)g如何選擇。懲罰參數(shù)C為約束Lagrange乘子在得到最大化邊緣margin與少量離群點(diǎn)之間進(jìn)行折中的一個(gè)參數(shù)，即C用于控制錯(cuò)分樣本懲罰程度，通常情況，測(cè)試精度隨C的增大而提高，當(dāng)達(dá)到某一定值時(shí)可得到最佳分類(lèi)錯(cuò)誤率和最佳支持向量數(shù)。此外，核參數(shù)的選取也會(huì)直接影響分類(lèi)器訓(xùn)練效果的好壞，因?yàn)楹撕瘮?shù)、映射函數(shù)和特征空間是一一對(duì)應(yīng)的關(guān)系。本文采用交叉驗(yàn)證和網(wǎng)格搜索的思想得到在某種意義下的最優(yōu)參數(shù)，用以找到最佳的（C，g）參數(shù)對(duì)，使得分類(lèi)器能夠?qū)ξ粗獢?shù)據(jù)做出精確預(yù)測(cè)，最終可以較為理想地評(píng)價(jià)測(cè)試樣本等級(jí)。

支持向量機(jī)SVM分類(lèi)主要基于“訓(xùn)練—預(yù)測(cè)”的流程，首先利用svmtrain命令實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)集的訓(xùn)練，并得到分類(lèi)模型MODLE。

命令如下：

svmtrain（trainlabel，traindata，[‘libsvmoptions]）

其中Trainlabel：訓(xùn)練樣本標(biāo)簽；traindata：訓(xùn)練樣本屬性；‘libsvmoptions：一些選項(xiàng)參數(shù)。

然后利用svmpredict命令，根據(jù)訓(xùn)練獲得的模型，對(duì)測(cè)試樣本進(jìn)行分類(lèi)預(yù)測(cè)。

命令如下：

[predict_label，accuracy]=svmpredict（testlabel，testdata，model，[‘libsvmoptions]）

其中Testlabel：測(cè)試樣本標(biāo)簽；testdata：測(cè)試樣本屬性；‘libsvmoptions：一些選項(xiàng)參數(shù)；model：由svmtrain得到的分類(lèi)模型；predict_label：預(yù)測(cè)得到的測(cè)試樣本的標(biāo)簽；accuracy：分類(lèi)準(zhǔn)確率。

（二）創(chuàng)新模式的選擇

為衡量工業(yè)企業(yè)技術(shù)創(chuàng)新水平，技術(shù)創(chuàng)新能力成熟度等級(jí)評(píng)價(jià)模型給不同的等級(jí)劃分了不同的關(guān)鍵過(guò)程域和關(guān)鍵實(shí)踐活動(dòng)，企業(yè)一旦滿(mǎn)足某一等級(jí)所有的關(guān)鍵過(guò)程域，即可根據(jù)企業(yè)所處的技術(shù)創(chuàng)新能力成熟度選擇創(chuàng)新模式，以目前所在成熟度上一個(gè)等級(jí)的關(guān)鍵實(shí)踐活動(dòng)作為目標(biāo)，通過(guò)實(shí)施一系列的活動(dòng)來(lái)提高自身的成熟度等級(jí)。

當(dāng)企業(yè)技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)結(jié)果為1時(shí)，企業(yè)的技術(shù)創(chuàng)新能力屬于無(wú)序級(jí)，創(chuàng)新水平較低，創(chuàng)新資源較匱乏，技術(shù)創(chuàng)新表現(xiàn)為組織中個(gè)人的隨機(jī)性創(chuàng)新，因此，處于無(wú)序級(jí)的企業(yè)在進(jìn)行技術(shù)創(chuàng)新活動(dòng)的過(guò)程中，要積極培養(yǎng)組織中成員的自主創(chuàng)新意識(shí)，將規(guī)范級(jí)的關(guān)鍵實(shí)踐活動(dòng)作為自身努力的目標(biāo)。而處于規(guī)范級(jí)的企業(yè)則需以更高級(jí)的戰(zhàn)略級(jí)關(guān)鍵實(shí)踐活動(dòng)作為為目標(biāo)，逐步提高自身的技術(shù)創(chuàng)新能力。當(dāng)評(píng)價(jià)結(jié)果為2或3時(shí)，企業(yè)的技術(shù)創(chuàng)新能力處于規(guī)范級(jí)或戰(zhàn)略級(jí)，企業(yè)應(yīng)注重培養(yǎng)研發(fā)人才，建立較為完善的創(chuàng)新組織體系，把技術(shù)創(chuàng)新的提高作為企業(yè)長(zhǎng)足發(fā)展的戰(zhàn)略目標(biāo)。處于這兩個(gè)級(jí)別的企業(yè)在市場(chǎng)中都擁有自身的優(yōu)勢(shì)與特色，能夠根據(jù)市場(chǎng)需求調(diào)整產(chǎn)品結(jié)構(gòu)和技術(shù)模式。當(dāng)評(píng)級(jí)結(jié)果為4或5時(shí)，企業(yè)的技術(shù)創(chuàng)新能力處于優(yōu)化級(jí)和協(xié)同級(jí)，此時(shí)企業(yè)的技術(shù)創(chuàng)新實(shí)力較強(qiáng)，擁有先進(jìn)的技術(shù)創(chuàng)新所需硬件設(shè)備和優(yōu)良的研發(fā)團(tuán)隊(duì)，并具有成熟的信息化決策支持系統(tǒng)，擁有豐富的技術(shù)創(chuàng)新資源，所以，成熟度等級(jí)較高的技術(shù)創(chuàng)新模式應(yīng)為每個(gè)企業(yè)發(fā)展的前進(jìn)目標(biāo)。

四、結(jié)論與展望

本文將支持向量機(jī)分類(lèi)器應(yīng)用于評(píng)價(jià)工業(yè)企業(yè)技術(shù)創(chuàng)新能力成熟度的模型中，首先通過(guò)因子分析法得到樣本數(shù)據(jù)的公因子得分，對(duì)數(shù)據(jù)進(jìn)行降維和去噪，大大簡(jiǎn)化了指標(biāo)體系的復(fù)雜性，為后面分類(lèi)器的訓(xùn)練與預(yù)測(cè)提供了有效的輸入變量，縮短了模型的訓(xùn)練時(shí)間，提高了模型的訓(xùn)練響應(yīng)速度。通過(guò)實(shí)證分析證實(shí)該方法能有效解決技術(shù)創(chuàng)新能力成熟度評(píng)價(jià)問(wèn)題并給出了關(guān)鍵等級(jí)的行動(dòng)建議。

（作者單位：內(nèi)蒙古財(cái)經(jīng)大學(xué)）

參考文獻(xiàn)：

[1] 王寶，高峰，姬貴林.典型重工業(yè)城市企業(yè)技術(shù)創(chuàng)新能力評(píng)價(jià)及提升對(duì)策研究[J].開(kāi)發(fā)研究，2013，（1）：84-88

[2] 王芳，孫承志.技術(shù)創(chuàng)新與相關(guān)概念的關(guān)系[J].工業(yè)技術(shù)經(jīng)濟(jì).2000（4）：91-92

[3] 李榮平，劉剛海，張吉良等.技術(shù)創(chuàng)新能力與活力評(píng)價(jià)理論和實(shí)證研究[M].天津：天津大學(xué)出版社，2005.28-43

[4] 任宗強(qiáng)，丁曉.以技術(shù)管理提升中小企業(yè)技術(shù)創(chuàng)新能力仁[J].管理工程學(xué)報(bào)，2009，（1）：26-28

[5] 胡繼華.論企業(yè)技術(shù)創(chuàng)新能力的構(gòu)成要素及其形成機(jī)制[J].江蘇商論，2010，（7）：133-135

[6] 鄧乃揚(yáng)，田英杰.數(shù)據(jù)挖掘中的新方法——支持向量機(jī)[M].北京科學(xué)出版社，2004.1-382

[3] 丁雪梅.基于支持向量機(jī)的紡織品服裝安全風(fēng)險(xiǎn)評(píng)價(jià)模型研究[D].上海：東華大學(xué)，2011

[4] 李瀟.基于支持向量回歸的電力采購(gòu)評(píng)標(biāo)方法研究[D].天津：天津大學(xué)2010