本发明属于企业信息模型搭建领域,具体涉及一种企业项目服务闭环信息处理建模方法。
背景技术:
企业对于创新创业服务的需求巨大,政策项目对接虽然是最大需求,但是投融资、知识产权、财务指导、法律服务和技术对接等需求也很强烈,当前很多科技中介仅提供线下服务,未能抓住互联网的大潮流,没有把企业的数据整合,不能为企业提供集成式的服务,机构改革和各级事业单位的调整必将在2019年完成,目前政府大部分的项目评审和服务都是由下属的事业单位进行,一旦事业单位调整完成,该项领域一定存在真空,而如何将围绕国家主导产业,建立跨越文化和地域差异,融合共生、协同共享的科技服务生态体系,致力于推动政产学研金合作发展,促进科技人才汇集和新兴产业集聚是非常重要的,但是其数据处理工作异常麻烦,需要设计一种针对性的数据处理模型不断的跟新完善来适应企业的发展。
技术实现要素:
为克服现有技术所存在的缺陷,本发明提供一种企业项目服务闭环信息处理建模方法解决上述技术问题。
一种企业项目服务闭环信息处理建模方法,包括以下步骤:
步骤一:基础信息的采集与分类,形成数据源:
步骤二:对数据进行预处理;
步骤三:采用采用小波包分解、差分算法分别从各个维度对预处理数据多维向量化,构件特征数据提取库,形成特征库;
步骤四:制定个性化企业规划系统,将其转化成特征向量形成企业数据模型框架;
步骤五:配置数据建模参数,提取特征库的数据特征与企业数据模型框架进行基础特征融合建模;
步骤六:建立整体数据对应特征融合模型深度互学模式识别模式,对原始变量进行输入更改,形成和自适应完善的识别模型。
进一步的,步骤一中所述基础信息的采集包括对企业信息、问卷评估信息、政策信息的采集,其由政策信息推送模块、智能互动咨询模块、企业信息采集模块和数据汇总分析模块完成。
进一步的,所述步骤二中的对数据进行预处理包括数据的滤波、分类、排序和聚类,其中滤波采用模糊c均值法从数据特征的多个小波包中挑选最小最优小波包集合,再用模糊c均值法基于模糊隶属度排序从挑选出的集合中挑选最小最优小波包分解系数,得到最小最优动作频域特征子集。
进一步的,所述步骤三中的多维向量化是提取特征参数的预处理分类向量组(f1,f2,···,fm),提取矩阵为:
其中s、p、n、m为不同分裂数据库的抽样数据特征,a为权重系数。
进一步的,所述建立整体数据对应特征融合模型深度互学模式识别模式还包括不断采集输入新的原始数据,随着采样数据量的增加,通过svm分类器能够自适应不断优化完善每次输入新的样本,计算svm分类器识别率,进行适应度评估和比较,不断的优化模型。
本发明所具有的有益效果是:
根据企业的发展规划形成初模,通过各个预设置的分类数据形成模型建模,实时采集不同数据的数据最新信息进行输入反馈,不断的优化模型。
具体实施方式
下面结合实施例可以使本专业的技术人员更全面地理解本发明,但并不因此将本发明限制在所述的实施例范围之中。
一种企业项目服务闭环信息处理建模方法,包括以下步骤:
步骤一:基础信息的采集与分类,形成数据源,所述基础信息的采集包括对企业信息、问卷评估信息、政策信息的采集,其由政策信息推送模块、智能互动咨询模块、企业信息采集模块和数据汇总分析模块完成:
步骤二:对数据进行预处理,对数据进行预处理包括数据的滤波、分类、排序和聚类,其中滤波采用模糊c均值法从数据特征的多个小波包中挑选最小最优小波包集合,再用模糊c均值法基于模糊隶属度排序从挑选出的集合中挑选最小最优小波包分解系数,得到最小最优动作频域特征子集;
步骤三:采用采用小波包分解、差分算法分别从各个维度对预处理数据多维向量化,构件特征数据提取库,形成特征库;
步骤四:制定个性化企业规划系统,将其转化成特征向量形成企业数据模型框架;
步骤五:配置数据建模参数,提取特征库的数据特征与企业数据模型框架进行基础特征融合建模;
步骤六:建立整体数据对应特征融合模型深度互学模式识别模式,对原始变量进行输入更改,形成和自适应完善的识别模型。
在本实施例中,所述步骤三中的多维向量化是提取特征参数的预处理分类向量组(f1,f2,···,fm),提取矩阵为:
其中s、p、n、m为不同分裂数据库的抽样数据特征,a为权重系数。
在本实施例中,所述建立整体数据对应特征融合模型深度互学模式识别模式还包括不断采集输入新的原始数据,随着采样数据量的增加,通过svm分类器能够自适应不断优化完善每次输入新的样本,计算svm分类器识别率,进行适应度评估和比较,不断的优化模型。
最后所应说明的是:以上实施例仅用以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应该理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。