CN110825780A - 一种基于聚集算法的创新资源评估方法及装置 - Google Patents
一种基于聚集算法的创新资源评估方法及装置 Download PDFInfo
- Publication number
- CN110825780A CN110825780A CN201910880406.6A CN201910880406A CN110825780A CN 110825780 A CN110825780 A CN 110825780A CN 201910880406 A CN201910880406 A CN 201910880406A CN 110825780 A CN110825780 A CN 110825780A
- Authority
- CN
- China
- Prior art keywords
- city
- index
- scientific
- resource
- resources
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002776 aggregation Effects 0.000 title claims abstract description 35
- 238000004220 aggregation Methods 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000010606 normalization Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 12
- 230000000694 effects Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 description 5
- 238000013475 authorization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009439 industrial construction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于聚集算法的创新资源评估方法，包括如下步骤：获取步骤；获取选定的分析区域以及科创资源指标；第一计算步骤：对选取的科创资源指标进行处理以得到对应分析区域的科创资源通用指数；第二计算步骤：根据科创资源通用指数计算分析区域的首位度值以完成对选定分析区域的创新资源的评估。本发明还公开了一种电子设备和计算机可读存储介质。本发明的基于聚集算法的创新资源评估方法依据城市的空间位置，并根据设定完成的科创资源指标来分析对应的科创资源的聚集能力，进而实现对选定区域的创新资源的评估；其能够更客观的评价城市群中创新资源的分布情况与聚集效应。
Description
技术领域
本发明涉及一种数据处理技术领域，尤其涉及一种基于聚集算法的创新资源评估方法及装置。
背景技术
目前，随着经济与城镇化水平的提升，各国都逐步形成以多个城市组成的区域合作联合体，被称为城市群。目前，我国已形成了京津冀、长三角、珠三角三个成熟城市群和成渝、长江中游、关中平原等多个新兴城市群，这些城市群对我国的科技创新、经济发展与工业建设均具有巨大的贡献。因此，对城市群内部的人才流动、学术合作、专利转让、技术交易等方面的指标进行分析，可以反映出本地区科技创新相关资源的分布情况，显现各个城市在科技发展中的优势劣势与互补情况，进而体现我国各地区科技创新与产业升级的总体态势，并为科技创新与新经济政策的制定提供参考。
当前，在分析科技创新领域总体形势与资源分布时，一般有以下三种方法：
(1)直接使用城市群中各个城市的宏观指标，如生产总值、研发投入等，按指标对各城市进行排名，以柱状图、网络图等形式展示城市的排位关系，例如CN201811062412，就提出了科技创新资源的一系列可视化分析方法。
(2)将基础宏观指标进行处理，得出研发投入、发明专利授权数、核心期刊发文数等二级指标，并按产业类型对数据进行整理，对某一行业内的科技创新资源进行分析，例如CN201611165210，就提出了一套行业科技发展形势的评估方法。
(3)对城市经济发展的各种指标进行细分，例如固定资产投资总额、利用外资值、能源消耗量、三废排放量等，使用数据包络分析法对数据进行处理，从而计算经济环境的发展效率。例如CN106570634A，就提出了一套城市群经济投入产出效率的评估方法。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种基于聚集算法的创新资源评估方法，其能有效对分析区域内科创资源进行评估。
本发明的目的之二在于提供一种电子设备，其能有效对分析区域内科创资源进行评估。
本发明的目的之三在于提供一种电子设备，其能有效对分析区域内科创资源进行评估。
本发明的目的之一采用如下技术方案实现：
一种基于聚集算法的创新资源评估方法，包括如下步骤：
获取步骤；获取选定的分析区域以及科创资源指标；
第一计算步骤：对选取的科创资源指标进行处理以得到对应分析区域的科创资源通用指数；
第二计算步骤：根据科创资源通用指数计算分析区域的首位度值以完成对选定分析区域的创新资源的评估。
进一步地，所述科创资源指标包括一级指标和二级指标，所述一级指标包括核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数中的任意一种或多种；所述二级指标包括核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额中的一种或多种。
进一步地，所述一级指标不包括二级指标中的任意一指标。
进一步地，所述分析区域为国家已审批建立的11个城市群中的任意一个；所述城市群包括京津冀城市群、长江三角洲城市群、珠江三角洲城市群、成渝城市群、中原城市群、北部湾城市群、哈长城市群、长江中游城市群、关中平原城市群、呼包鄂榆城市群、兰州-西宁城市群。
进一步地，所述分析区域为自定义城市群，所述自定义城市群的范围为：以国内的任意地级市为圆心，以预设距离为半径形成的圆形区域，所述圆形区域内所覆盖的地级市为自定义城市群中的成员，所述预设距离为100千米至1000千米中的任意一数值。
进一步地，所述分析区域包括有N个城市，当获取到的数据为单一科创资源指标时，所述第一计算步骤具体为：对选中的科创资源指标进行降序排列，并将其记为Xn，n为城市编号，且n的取值范围为0<n≤N；
所述第二计算步骤具体为：根据科创资源指标Xn以及公式Yn＝Xn计算得到科创资源通用指数Yn，(0<n≤N)。
进一步地，当获取到的数据为一组科创资源指标时，所述第一计算步骤具体为：
根据归一化公式将科创资源指标进行处理以得到科创资源归一化指数；所述归一化公式为：
其中Kn,m为城市n的第m个指标的科创资源归一化指数，Xn,m为城市n的第m个指标，Xmin,m为第m个指标的最小值，Xmax,m为第m个指标的最大值，其中(0<n≤N,0<m≤4)；
根据平均公式对科创资源归一化指数取平均以得到科创资源通用指数；所述平均公式如下：
其中Yn为城市n的科创资源通用指数。
进一步地，所述第二计算步骤具体包括以下步骤：
第一判断步骤：判断分析区域中的城市数量是否少于4个，如果是，则通过
来计算首位度值，如果否，则执行第二判断步骤；
第二判断步骤：判断分析区域中的城市数量是否少于11个，如果是，则通过
来计算首位度值，如果否，则通过
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明目的之一中任意一项所述的一种基于聚集算法的创新资源评估方法。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本发明目的之一中任意一项所述的一种基于聚集算法的创新资源评估方法。
相比现有技术，本发明的有益效果在于：
本发明的基于聚集算法的创新资源评估方法依据城市的空间位置，并根据设定完成的科创资源指标来分析对应的科创资源的聚集能力，进而实现对选定区域的创新资源的评估；其能够更客观的评价城市群中创新资源的分布情况与聚集效应。
附图说明
图1为实施例一的基于聚集算法的创新资源评估方法的流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
专业名词解释：
[1]、城市群：指在特定地域范围内，由3个以上大城市为构成单元，依托发达的交通通信等基础设施网络所形成的空间组织紧凑、经济联系紧密、并最终实现高度同城化和高度一体化的城市群体。
[2]、城市创新资源：在本发明的语境中，城市创新资源指创新人员、实体与创新成果等对象的量化属性，对象涵盖科技基金、高新企业、科研人才、知识产权、学术论文等。
[3]、资源聚集分析：指通过对资源在空间上的标量与矢量属性提取与计算，量化评估其在某一区域内密集程度、分布差异与相对趋势的分析方法与过程。
在背景技术中所提及的三种方法，在分析城市群的科技创新资源分布时，均存在一定的局限性。在第一种方法中，分析依据来源于城市的宏观科技指标，只注重了数据的可视化展示，缺乏对数据的深度加工与信息挖掘。在第二种方法中，虽然对数据进行二次加工与分类，但更多注重与业务领域的划分，没有依据城市的空间位置，探究它对创新资源的聚集能力，业务无法衡量中心城市领先程度，更无法回答“该城市在区域创新中具有哪些不可替代的作用”这一核心问题。第三种方法提出的指标体系与计算过程，更适用于宏观经济上通用的效率产出分析，难以适配科技创新领域。因此，仍然需要探索新的分析方法，对城市群中创新资源的分布情况与聚集效应，进行更客观的评价。
如图1所示，本实施例提供了一种基于聚集算法的创新资源评估方法，其特征在于，包括如下步骤：
S1；获取选定的分析区域以及科创资源指标；在本步骤主要是为了获取分析的指标与对象；首先选定分析区域——即城市群，被选定的城市群记为区域R，区域R中的城市数量记为N；
在计算时，可根据用户需求，单独带入一个指标，分析该指标对应资源的分布情况，也可以选择同一等级的一组指标，计算创新资源的综合分布情况。本方法在进行科技创新资源的分析时，主要面向国内主要的城市群，这些城市群的空间范围相对固定，但与此同时，本实施例在提供了自定义城市群中心与范围的相应技术，因此该方法具有较强的通用性与普适性。
在统计时，这些指标均以单个城市为空间颗粒度，以年为时间颗粒度。本发明所提出的方法，可支持将任何一个指标带入算法进行计算，也支持将一组指标(即四个一级指标或四个二级指标)带入算法，计算创新资源的综合分布情况。
在具体实施时，所述科创资源指标可以为核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数、核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额等分立单一指标，这样便于用于针对于具体单一指标进行聚集分析；也可以将科创资源指标分为不同的组，具体为所述科创资源指标包括一级指标和二级指标，所述一级指标包括核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数中的任意一种或多种；所述二级指标包括核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额中的一种或多种。通过采用上述方式可以使得进行数据分析时更具针对性。一级指标为描述单一城市的标量，二级指标为反映资源交流的矢量，此处从两组指标中选择一组。第一组指标为核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数。第二组指标为核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额。在对选中的指标进行降序排列后，4个指标分别记为Xn,1,Xn,2,Xn,3,Xn,4。已知步骤1所选的区域R中有N个城市，则n的取值范围为0<n≤N。
从核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数、核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额8个指标中选择1个指标。在本实施例中，以上指标来自ISTIC专利信息检索库、科技项目信息数据库、中国高层次科技人才数据库等数据平台，以城市、院校、企业等对象为检索入口。在对选中的指标进行降序排列后，记为Xn，n为城市编号。已知步骤1所选的区域R中有N个城市，则n的取值范围为0<n≤N。
所述分析区域为国家已审批建立的11个城市群中的任意一个；所述城市群包括京津冀城市群、长江三角洲城市群、珠江三角洲城市群、成渝城市群、中原城市群、北部湾城市群、哈长城市群、长江中游城市群、关中平原城市群、呼包鄂榆城市群、兰州-西宁城市群。所述分析区域为自定义城市群，所述自定义城市群的范围为：以国内的任意地级市为圆心，以预设距离为半径形成的圆形区域，所述圆形区域内所覆盖的地级市为自定义城市群中的成员，所述预设距离为100千米至1000千米中的任意一数值。本发明提出了一种可以自行划定城市群范围，并进行科技创新资源分析的方法。通过这一方法，用户除了可以对国家已划定的城市群进行分析，还可以自定义城市群，选择国内的任意地级市作为原点，以100至1000千米为半径生成一个圆形区域，为应对城市群分布不在正圆形区域的情况，在具体操作时，可取目标城市群外围城市构成的多边形的外接圆，然后将外接圆中不属于分析对象的城市去除。完成后即可对该圆形区域内剩余城市的科技创新资源进行分布情况分析。本发明提出的方法适用于对国内任意区域划定的城市群，并能稳定的分析出该区域内的资源分布情况。
S2：对选取的科创资源指标进行处理以得到对应分析区域的科创资源通用指数；所述分析区域包括有N个城市，当获取到的数据为单一科创资源指标时，步骤S2具体包括如下步骤：
对选中的科创资源指标进行降序排列，并将其记为Xn，n为城市编号，且n的取值范围为0<n≤N；
根据科创资源指标Xn以及公式Yn＝Xn计算得到科创资源通用指数Yn，(0<n≤N)；
当获取到的数据为一组科创资源指标时，所述第一计算步骤包括如下步骤：
根据归一化公式将科创资源指标进行处理以得到科创资源归一化指数；所述归一化公式为：
其中Kn,m为城市n的第m个指标的科创资源归一化指数，Xn,m为城市n的第m个指标，Xmin,m为第m个指标的最小值，Xmax,m为第m个指标的最大值，其中(0<n≤N,0<m≤4)；
根据平均公式对科创资源归一化指数取平均以得到科创资源通用指数；所述平均公式如下：
其中Yn为城市n的科创资源通用指数。在本步骤不论针对于单一指标或是针对于一组指标，其目的均是为了获取到科创资源通用指数。S3：根据科创资源通用指数计算分析区域的首位度值以完成对选定分析区域的创新资源的评估。将步骤S2中计算得到的科创资源通用指数Y带入聚集算法公式计算，得到首位度值S。首位度的计算公式需根据区域R中的城市数量N确定。本方法使用的首位度算法有三种形式，分别以4和11两个数值作为每种形式适配区间的分界线，采用这两个数值，是综合考虑首位度算法的经验模型，以及国内城市群中主要城市的数量而决定的：
步骤S3具体包括如下步骤：
S31：判断分析区域中的城市数量是否少于4个，如果是，则通过
来计算首位度值，如果否，则执行第二判断步骤；
S32：判断分析区域中的城市数量是否少于11个，如果是，则通过
来计算首位度值，如果否，则通过
本实施例提出将空间聚集算法用于科技创新数据分析的方法，选取学术论文、知识产权、科研基金等科技创新资源的数量，作为聚集度算法那的自变量。通常而言，在将科技创新领域应用与城市级分析时，具有如下特点：指标项繁杂，难以归纳与合并；创新主体多，梳理成果与主体间的血缘关系较复杂。
在充分考虑城市群这一分析对象与科创数据的以上特点后，选择了首位度算法这一代表性的聚集算法作为本发明的核心思路，对首位度算法进行了定制，在数据导入前加入了数据排序、合并的步骤，以适应不同城市数量、不同资源数量与不同分析目标的计算需求。城市首位度，是用于测量城市的区域主导性的指标，反映区域城镇规模序列中的顶头优势性，也表明区域中各种资源的集中程度；一般用一个地区最大城市与第二大城市经济规模之比来表示这个最大城市的首位度，它通常用来反映该国或地区的城市规模结构和人口集中程度。在本实施例中创造性的将其应用于资源聚集分析。通过本发明提出的方法，可得到首位度值S2,S4,S11中的一个，该数值表明了区域R(即选定城市群)中创新资源的聚集位置，以及聚集程度，并对不同类型的创新资源在空间聚集上的差异给出表征，从而根据不同类型创新资源的聚集区域与集中程度，对科技研发相关配套的来源与支撑能力得出量化的结论，按照区域针对性的进行资源的调配，并通过与该区域聚集资源相适合的政策，刺激其已有的聚集资源进一步积累与发展，做到有的放矢。通过本实施例的分析结结果可以为科技创新资源的调配与科研激励政策的制定提供依据。
实施例二
实施例二公开了一种电子设备，该电子设备包括处理器、存储器以及程序，其中处理器和存储器均可采用一个或多个，程序被存储在存储器中，并且被配置成由处理器执行，处理器执行该程序时，实现实施例一的一种基于聚集算法的创新资源评估方法。该电子设备可以是手机、电脑、平板电脑等等一系列的电子设备。
实施例三
实施例三公开了一种计算机可读存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的一种基于聚集算法的创新资源评估方法。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述基于内容更新通知装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于聚集算法的创新资源评估方法，其特征在于，包括如下步骤：
获取步骤；获取选定的分析区域以及科创资源指标；
第一计算步骤：对选取的科创资源指标进行处理以得到对应分析区域的科创资源通用指数；
第二计算步骤：根据科创资源通用指数计算分析区域的首位度值以完成对选定分析区域的创新资源的评估。
2.如权利要求1所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述科创资源指标包括一级指标和二级指标，所述一级指标包括核心期刊论文发文数、知识产权授权数、国家与省级科技基金落地数、高新技术企业认证数中的任意一种或多种；所述二级指标包括核心期刊论文合著数、知识产权转让数、国家和省级人才计划引进人数、技术交易收入额中的一种或多种。
3.如权利要求2所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述一级指标不包括二级指标中的任意一指标。
4.如权利要求1所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述分析区域为国家已审批建立的11个城市群中的任意一个；所述城市群包括京津冀城市群、长江三角洲城市群、珠江三角洲城市群、成渝城市群、中原城市群、北部湾城市群、哈长城市群、长江中游城市群、关中平原城市群、呼包鄂榆城市群、兰州-西宁城市群。
5.如权利要求1所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述分析区域为自定义城市群，所述自定义城市群的范围为：以国内的任意地级市为圆心，以预设距离为半径形成的圆形区域，所述圆形区域内所覆盖的地级市为自定义城市群中的成员，所述预设距离为100千米至1000千米中的任意一数值。
6.如权利要求1所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述分析区域包括有N个城市，当获取到的数据为单一科创资源指标时，所述第一计算步骤具体包括如下步骤：
对选中的科创资源指标进行降序排列，并将其记为Xn，n为城市编号，且n的取值范围为0<n≤N；
根据科创资源指标Xn以及公式Yn＝Xn计算得到科创资源通用指数Yn，(0<n≤N)。
7.如权利要求1所述的一种基于聚集算法的创新资源评估方法，其特征在于，当获取到的数据为一组科创资源指标时，所述第一计算步骤包括如下步骤：
根据归一化公式将科创资源指标进行处理以得到科创资源归一化指数；所述归一化公式为：
其中Kn,m为城市n的第m个指标的科创资源归一化指数，Xn,m为城市n的第m个指标，Xmin,m为第m个指标的最小值，Xmax,m为第m个指标的最大值，其中(0<n≤N,0<m≤4)；
根据平均公式对科创资源归一化指数取平均以得到科创资源通用指数；所述平均公式如下：
其中Yn为城市n的科创资源通用指数。
8.如权利要求7所述的一种基于聚集算法的创新资源评估方法，其特征在于，所述第二计算步骤具体包括以下步骤：
第一判断步骤：判断分析区域中的城市数量是否少于4个，如果是，则通过
来计算首位度值，如果否，则执行第二判断步骤；
第二判断步骤：判断分析区域中的城市数量是否少于11个，如果是，则通过
来计算首位度值，如果否，则通过
9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任意一项所述的一种基于聚集算法的创新资源评估方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的一种基于聚集算法的创新资源评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910880406.6A CN110825780A (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚集算法的创新资源评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910880406.6A CN110825780A (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚集算法的创新资源评估方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110825780A true CN110825780A (zh) | 2020-02-21 |
Family
ID=69548005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910880406.6A Pending CN110825780A (zh) | 2019-09-18 | 2019-09-18 | 一种基于聚集算法的创新资源评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110825780A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116739085A (zh) * | 2023-08-15 | 2023-09-12 | 北京智谱华章科技有限公司 | 一种基于知识图谱的城市科技创新力评估方法 |
-
2019
- 2019-09-18 CN CN201910880406.6A patent/CN110825780A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116739085A (zh) * | 2023-08-15 | 2023-09-12 | 北京智谱华章科技有限公司 | 一种基于知识图谱的城市科技创新力评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pérez-López et al. | Cost efficiency in municipal solid waste service delivery. Alternative management forms in relation to local population size | |
| Jiang et al. | Measuring urban sprawl in Beijing with geo-spatial indices | |
| Horner et al. | Analyzing temporal changes in land-use–transportation relationships: A LEHD-based approach | |
| Singleton et al. | Mapping the geodemographics of digital inequality in Great Britain: An integration of machine learning into small area estimation | |
| Suzuki et al. | Jobs–housing imbalance, spatial correlation, and excess commuting | |
| Liao et al. | Measuring China’s urban digital finance | |
| CN112862283A (zh) | 基于层次分析的城管派遣方法和系统 | |
| Zou et al. | Fast comprehensive flood risk assessment based on game theory and cloud model under parallel computation (P-GT-CM) | |
| Cheng et al. | Analysis of the application of big data in banking sector | |
| Babaei et al. | A new model for evaluation of the passenger and freight transportation planning based on the sustainability and safety dimensions: a case study | |
| CN117858040A (zh) | 一种基于手机信令数据的城镇空间单元社群划分方法 | |
| Liu et al. | Towards sustainability: how does the digital-real integration affect regional green development efficiency? | |
| Cao et al. | How does urban renewal affect residential segregation in Shenzhen, China? A multi-scale study | |
| Lee et al. | Drivers of institutional evolution: phylogenetic inertia and ecological pressure | |
| CN110825780A (zh) | 一种基于聚集算法的创新资源评估方法及装置 | |
| Vanli | Ranking of global smart cities using dynamic factor analysis | |
| Zhou et al. | Understanding the compactness of employment activities in high-density cities through cellphone location data | |
| Chen et al. | Model and Algorithm for Human Resource‐Constrained R&D Program Scheduling Optimization | |
| CN112836060A (zh) | 一种科技创新数据的图谱构建方法及装置 | |
| CN116151686A (zh) | 一种科技企业孵化器的孵化效益评价方法 | |
| Wang | [Retracted] Legal Regulation of Artificial Intelligence and Digital Twin Decision‐Making Risks in Mobile Edge Computing | |
| CN108183870A (zh) | 一种基于云成熟度的云数据中心资源调度共享方法及系统 | |
| CN113763171A (zh) | 一种存量用地再开发收益分配的分析方法及装置 | |
| Met et al. | Branch efficiency and location forecasting: Application of Ziraat bank | |
| CN110400160B (zh) | 识别竞品用户的方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |
|
| RJ01 | Rejection of invention patent application after publication |