基于支持向量机的企业文化价值量预测研究本科毕业论文

上传人:aa****6 文档编号:29218244 上传时间:2018-01-22 格式:DOC 页数:25 大小:703KB
返回 下载 相关 举报
基于支持向量机的企业文化价值量预测研究本科毕业论文_第1页
第1页 / 共25页
基于支持向量机的企业文化价值量预测研究本科毕业论文_第2页
第2页 / 共25页
基于支持向量机的企业文化价值量预测研究本科毕业论文_第3页
第3页 / 共25页
基于支持向量机的企业文化价值量预测研究本科毕业论文_第4页
第4页 / 共25页
基于支持向量机的企业文化价值量预测研究本科毕业论文_第5页
第5页 / 共25页
点击查看更多>>
资源描述

《基于支持向量机的企业文化价值量预测研究本科毕业论文》由会员分享,可在线阅读,更多相关《基于支持向量机的企业文化价值量预测研究本科毕业论文(25页珍藏版)》请在金锄头文库上搜索。

1、基于支持向量机的企业文化价值量预测研究摘要:众所周知,在当代社会,企业文化价值观对于企业的生存发展起着非常重要的作用,目前对于企业文化价值的描述仅仅局限在理论上,为了在数据分析上对其有一个精确的评价,本文利用支持向量机模式识别和回归估计基本原理,设计了企业文化价值量的支持向量机预测模型,实现了对企业文化价值量的准确预测,利用已知样本并对其训练建立支持向量回归机。结果表明,基于支持向量回归机的预测模型可以对企业文化价值量进行有效的预测,训练误差保持在 10%以内。关键词:企业文化价值;支持向量机;价值量预测;模式识别;回归估计Corporate culture value prediction

2、research based on support vector machine (SVM)Abstract:As is known to us all,in contemporary society,corporate culture values has played a very important role for enterprise survival and development. For the description of the corporate culture value limites in theory at present,On data analysis in

3、order to have an accurate evaluation on it,This paper, by using basic principle of support vector machine (SVM) pattern recognition and regression estimation,has designed of the support vector machine forecasting model of corporate culture value,implementing the corporate culture value accurately fo

4、recast,Using known samples and sets up the training of support vector regression machine.The results show that the prediction model based on support vector regression machine can effectively at an effective prediction value of enterprise culture,keeping training error within 10%.Key words:corporate

5、culture value;support vector machine (SVM);value prediction;Pattern recognition;regression estimate0 引 言数据挖掘源于数据库技术引发的海量数据和人们利用这些数据的愿望.数据的迅速增加与数据分析方法的滞后之间的矛盾越来越突出,人们也希望能够在对已有的大量数据分析的基础上进行科学研究、商业决策或者企业管理,但是有些数据分析工具很难对数据进行深层次的处理,使得人们只能望”数”兴叹.用数据管理系统存储数据,用机器学习的方法分析数据、挖掘海量数据背后的知识,便促成了数据挖掘(DataMining)的产生

6、.概括地讲,数据挖掘的任务是从大型数据库或数据仓库中提取人们感兴趣、事先未知的、有用的或潜在有用的信息.数据挖掘涉及的学科领域和方法很多,经典的是统计估计方法,比如回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等.它们共同的重要理论基础之一是统计学,在这些方法中,参数的相关形式是已知的,训练样本用来估计参数的值.这些方法需要事先知道样本的分布,而且传统统计学研究的是样本数目趋于无穷大时的渐近理论,现有学习方法也多是基于此假设.但在实际问题中,样本数却是有限的,因此一些理论上很优秀的学习方

7、法实际中表现却可能不尽人意.机器学习也是数据挖掘的主要方法之一,它研究从观测数据(样本)出发寻找规律,利用这些规律对未来数据或无法观测的数据进行预测.比如人工神经网络(ANN),它利用已知样本建立非线性模型,克服了传统参数估计方法的困难.但这种方法缺乏一种统一的数学理论.支持向量机(SPuPortVectorMhacnies,SvMs)是数据挖掘中的新方法.它是建立在统计学习理论(StatsitcialLearningTheory,STL)基础之上的通用学习方法.统计学习理论是一种专门研究小样本情况下机器学习规律的理论,最初于 20世纪 90 年代由 VaPnik1提出.该理论针对小样本统计问

8、题建立了一套新的理论体系,在这种体系下的统计推理规则不仅考虑了对渐近性能的要求,而且追求在现有有限信息的条件下得到最优结果.支持向量机已表现出很多优于已有方法的性能.它能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题,并可推广于预测和综合评价等领域.支持向量机借助于最优化方法解决机器学习问题,它开始成为克服”维数灾难”和”过学习”等传统困难的有力手段.虽然目前它在理论研究和实际应用两方面还处于飞速发展的阶段,但是它的理论基础和实现途径的基本框架已经形成.支持向量机适合处理小样本,高维度,非线性的复杂问题,基于支持向量机的基本理论和算法可以对企业文化价值量进行预

9、测。本文结构安排:第一章,企业文化价值观 2,3,4概论 第二章,支持向量 5,6,7分类机 8和回归机 9原理 第三章,基于支持向量回归机的企业文化价值量预测实验研究 第四章,结论。第 1 章 企业文化价值观1.1 企业文化企 业 文 化 是 指 在 一 定 社 会 历 史 条 件 下 , 企 业 在 生 产 经 营 , 管 理 活 动中 所 创 造 的 物 质 文 化 和 精 神 文 化 总 和 。 具 体 地 讲 , 就 是 指 统 一 的 员 工意 识 、 思 想 、 行 为 的 企 业 经 营 哲 学 、 行 为 准 则 、 道 德 规 范 、 企 业 精 神 、价 值 观 念 、

10、企 业 制 度 、 文 化 环 境 、 企 业 产 品 等 , 其 中 价 值 观 念 是 企 业文 化 的 核 心 。1.2 五 大 功 能一 般 学 者 都 认 为 它 具 有 五 大 功 能 , 即 : 目 标 导 向 的 功 能 、 凝 聚 的 功能 、 融 合 的 功 能 、 约 束 的 功 能 、 激 励 的 功 能1.3 树 立 企 业 文 化 的 目 的企 业 文 化 的 最 终 目 的 是 营 销 。 企 业 文 化 的 营 销 功 能 是 通 过 组 成 企业 文 化 的 几 大 核 心 要 素 从 不 同 的 角 度 和 侧 面 综 合 体 现 出 来 的 :一 、 企

11、业 价 值 观 念 。 企 业 的 价 值 观 念 是 企 业 文 化 的 核 心 组 成 部 分 , 它决 定 了 企 业 的 经 营 理 念 与 风 格 , 左 右 着 企 业 的 发 展 方 向 , 它 对 企 业 外在 形 象 的 塑 造 影 响 深 远 , 树 立 一 个 能 被 消 费 者 所 广 泛 认 同 的 价 值 观 念至 关 重 要 。 比 如 “走 向 世 界 , 为 国 争 光 ”、 “创 建 知 名 企 业 , 振 兴 民族 工 业 ”、 “诚 信 为 先 , 回 报 社 会 ”等 优 秀 的 企 业 价 值 观 念 都 从 不 同 的角 度 阐 明 了 企 业 远

12、 大 志 向 、 博 大 胸 怀 、 关 爱 民 生 的 崇 高 精 神 境 界 , 在很 大 程 度 上 塑 了 良 好 的 企 业 外 在 形 象 , 对 消 费 者 来 说 极 具 亲 和 力 和 感染 力 , 使 消 费 者 对 企 业 、 产 品 、 品 牌 均 能 产 生 深 刻 的 印 象 和 持 久 的 记忆 , 从 而 刺 激 了 消 费 者 的 消 费 欲 望 。2、 企 业 精 神 风 貌 。 企 业 精 神 是 企 业 文 化 的 灵 魂 , 良 好 的 精 神 风 貌 是企 业 的 活 力 之 源 , 比 如 “团 结 奋 斗 、 求 实 创 新 ”、 “成 就 伟

13、业 、 缘 于你 我 ”; “学 习 进 步 、 团 结 向 上 、 热 情 互 助 、 整 体 为 先 ”等 优 秀 的 企业 精 神 , 都 创 造 了 一 个 良 好 的 精 神 氛 围 , 不 但 在 员 工 之 中 产 生 强 大 的凝 聚 力 , 极 大 地 提 高 员 工 工 作 的 积 极 性 和 主 动 性 , 而 且 也 提 高 了 员 工的 素 养 , 使 员 工 逐 渐 形 成 举 止 规 范 、 谈 吐 文 明 的 行 为 , 时 时 处 处 能 体现 出 与 众 不 同 的 一 种 精 神 风 貌 。 员 工 在 与 其 它 社 会 群 体 交 往 过 程 中 ,易

14、 于 给 对 方 留 下 好 感 , 容 易 得 到 认 同 和 沟 通 , “只 有 优 秀 的 人 才 能 生产 出 优 秀 的 产 品 ”, 最 终 会 引 伸 到 消 费 者 对 产 品 产 生 良 好 的 印 象 , 现实 的 消 费 者 会 变 得 更 加 忠 诚 , 潜 在 的 消 费 者 会 变 成 现 实 的 消 费 者 。3、 企 业 的 视 觉 形 象 。 企 业 的 视 觉 形 象 是 最 直 观 、 最 易 于 向 社 会 群 体 传播 的 企 业 文 化 要 素 。 所 有 构 成 企 业 视 觉 认 别 的 各 种 元 素 如 企 业 注 册 商标 、 产 品 包

15、 装 ; 各 种 用 于 宣 传 标 语 、 文 字 、 影 相 、 图 片 材 料 ; 员 工 衣着 、 厂 容 厂 貌 等 都 直 接 体 现 了 企 业 的 视 觉 形 象 。 社 会 群 体 通 过 这 些 要素 会 对 企 业 产 生 一 个 直 观 的 认 识 和 印 象 , 也 是 消 费 者 认 识 企 业 和 产 品的 最 直 接 、 最 重 要 途 径 。 而 这 种 认 识 和 印 象 的 良 好 与 否 , 直 接 关 系 到他 们 的 购 买 行 为 。4、 企 业 的 质 量 文 化 。 消 费 者 对 产 品 质 量 的 信 任 度 是 影 响 消 费 者 购 买

16、行 为 的 最 关 键 因 素 。 企 业 产 品 过 硬 的 质 量 水 平 、 有 效 的 质 量 保 证 体 系和 可 信 的 质 量 承 诺 构 成 了 企 业 优 秀 的 质 量 文 化 , 它 的 传 播 会 提 高 消 费者 对 产 品 质 量 的 信 任 度 , 成 为 为 消 费 者 决 定 购 买 行 为 的 重 要 参 考 要 素 ,起 到 了 引 导 消 费 者 购 买 行 为 的 作 用 。5、 企 业 的 服 务 文 化 。 目 前 消 费 者 消 费 水 平 和 层 次 日 益 提 高 , 在 追 求产 品 质 量 过 硬 的 同 时 , 对 产 品 营 销 企 业 的 服 务 质 量 如 何 也 非 常 重 视 。随 着 科 技 的 发 展 , 产 品 质 量 上 的 差 异 会 逐 渐 缩 小 , 而 服 务 质 量 之 间 的差 异 性 却 很 大 , 消 费 者 对 产 品 的 选 择 会 集 中 到 对 服 务 质 量 的 选 择 上 来 。免 费

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 学术论文 > 毕业论文

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号