正文:
从上述排序结果看,本文方法与采用其它方法的排序基本相似,样本的优劣顺序总体是一致的,当然,少部分的样本顺序有出入,但对11-14个样本的排序与专家打分和人工神经网络的结果是一致的。此外,有些样本的投影值相同,表明这些样本的评价结果非常接近,排序的分辨率不够理想,主要是因为样本数据的取值不够丰富造成的。就总体上而言,投影寻踪模型具有较好的项目排序选择效果。
4 结论
由于影响高技术项目投资风险的因素很多,且指标体系复杂,致使如何准确对项目投资风险做出评价成为困难。针对该多属性决策问题,鉴于投影寻踪方法具有较强的分析和处理高维观测数据的能力,构建了高技术项目投资风险评价的投影寻踪模型,评价结果表明该方法获得的结果是可信的和令人满意的。
参考文献
[1]郭名媛.高新技术产品开发风险的模糊综合评价[J].甘肃科学学报,2003,15(3):118-122.
[2]张新红.用神经网络综合评价模型评价高新技术项目的投资风险[J].情报学报,2001,20(5):608-611.
[3]王世波,王世良.高新技术项目风险投资评价模型设计[J].企业经济,2006,(9):26-28.
[4]贾晓东,潘德惠.高新技术企业风险投资及投资风险评价[J].信息与控制,2003,32(3):204-208.
[5]贾晓霞,杨乃定,姜继娇.高新技术项目区域风险多层次灰色评价[J].数学的实践与认知,2004,34(2):35-41.
[6]楼文高.高新技术项目投资风险的人工神经网络综合评价模型[J].科研管理,2005,26(3):8-11.
[7]付强,赵小勇著.投影寻踪模型原理及其应用[M].北京:科学出版社,2006,1-79.
[8]陈广洲,解华明,鲁祥友.MATLAB遗传算法工具箱在非线性优化中的应用[J].计算机技术与发展,2008,18(3):246-248.
3/3 首页 上一页 1 2 3