【摘要】：從20世紀(jì)90年代開始,隨著知識經(jīng)濟(jì)的興起,國際上對于國家創(chuàng)新系統(tǒng)中知識轉(zhuǎn)移的研究得到越來越多的重視。希望通過知識轉(zhuǎn)移的研究,分析制約國家創(chuàng)新系統(tǒng)中各創(chuàng)新主體之間的聯(lián)系,提出改進(jìn)和提高國家創(chuàng)新系統(tǒng)績效的措施和途徑。技術(shù)創(chuàng)新與知識創(chuàng)新是知識經(jīng)濟(jì)時代推動經(jīng)濟(jì)發(fā)展的主要動力。基礎(chǔ)研究是國家創(chuàng)新能力平臺的重要內(nèi)容。在知識經(jīng)濟(jì)社會里,以科學(xué)為基礎(chǔ)的專利(science-based patent)在批準(zhǔn)專利中所占比例持續(xù)增加,而且以科學(xué)為基礎(chǔ)的專利的質(zhì)量明顯高于非科學(xué)基礎(chǔ)的專利的質(zhì)量[1][2]�；A(chǔ)研究是生產(chǎn)科學(xué)知識的重要來源,分析和研究基礎(chǔ)研究與專利(特別是與發(fā)明專利)的知識轉(zhuǎn)移理論,對于提高專利的科技含量,整合國家創(chuàng)新系統(tǒng)中的知識流,提高國家創(chuàng)新系統(tǒng)的績效具有重要的意義�；A(chǔ)研究和應(yīng)用技術(shù)的發(fā)展作為促進(jìn)科技創(chuàng)新活動、推動經(jīng)濟(jì)發(fā)展的要素,兩者之間的聯(lián)系以及對經(jīng)濟(jì)發(fā)展、社會進(jìn)步的影響一直是眾多學(xué)者致力研究的問題�；A(chǔ)研究或公共支持的研究如何對科技創(chuàng)新、經(jīng)濟(jì)發(fā)展和社會進(jìn)步發(fā)揮作用?它產(chǎn)生的效益有多大?這些效益或影響如何評價和測度?這些問題既是研究的重點,同時也是尚未完全解決亟待完善的難點。因此,本文的研究目的在于從國家創(chuàng)新系統(tǒng)的視角,建立分析基礎(chǔ)研究與技術(shù)創(chuàng)新之間知識流動和關(guān)聯(lián)的評估指標(biāo)與測度方法,從而對國家創(chuàng)新系統(tǒng)的創(chuàng)新績效進(jìn)行分析,并提出改進(jìn)的政策建議。本文重點研究了國家創(chuàng)新系統(tǒng)中知識轉(zhuǎn)移的基本理論,在系統(tǒng)總結(jié)國外有關(guān)基礎(chǔ)研究與發(fā)明專利之間知識轉(zhuǎn)移機(jī)制與測度研究經(jīng)驗的基礎(chǔ)上,建立我國基礎(chǔ)研究與發(fā)明專利之間知識轉(zhuǎn)移理論的分析框架;探索將數(shù)據(jù)挖掘的有關(guān)方法和模式移植到專利引文分析,初步構(gòu)建了應(yīng)用數(shù)據(jù)挖掘技術(shù)研究國家創(chuàng)新系統(tǒng)中知識轉(zhuǎn)移的基本方法和指標(biāo)體系,為定量測度基礎(chǔ)研究與專利之間的知識轉(zhuǎn)移機(jī)制提供了可能,選取了典型案例領(lǐng)域并進(jìn)行了初步的驗證,較全面地分析了目前制約我國基礎(chǔ)研究知識轉(zhuǎn)移的若干問題,提出了加強(qiáng)我國基礎(chǔ)研究知識創(chuàng)新與技術(shù)創(chuàng)新密切結(jié)合的政策建議。
【圖文】：

圖 1-5 知識發(fā)現(xiàn)（或數(shù)據(jù)挖掘）定義的形象描述下面我們對這兩個定義作詳細(xì)的解釋：數(shù)據(jù)：數(shù)據(jù)是指一個有關(guān)事實 F 的集合（如學(xué)生檔案數(shù)據(jù)庫中有關(guān)學(xué)生基本情況的各條紀(jì)錄），它是用來描述事務(wù)有關(guān)方面的信息，一般來說這些數(shù)據(jù)都是準(zhǔn)確無誤的。模式：對于集合 F 中的數(shù)據(jù)，我們可以用語言 L 來描述其中數(shù)據(jù)的特性。E 所描述的數(shù)據(jù)是集合 F 的一個子集EF 。只有當(dāng)表達(dá)式 E 比列舉所有EF 種元素的描述方法更為簡單時，我們才可稱之為模式。處理過程：KDD 是一個多步驟的處理過程，包括數(shù)據(jù)預(yù)處理、模式提取、知識評估及過程優(yōu)化。我們說這個過程是非凡所得，主要是指這個處理過程的大部分階段是系統(tǒng)自動進(jìn)行的而無需人工干涉�？尚牛和ㄟ^ KDD 從當(dāng)前數(shù)據(jù)所發(fā)現(xiàn)的模式必須有一定的正確程度，否則KDD 就毫無作用�？梢酝ㄟ^新增數(shù)據(jù)來檢驗?zāi)Ｊ降恼_性，我們用 c 表示模式

聚類是把一組個體按照相似性歸成若干類別，即“物以類聚”（見圖 1-6）。它的目的是使得屬于同一類別的個體之間的距離盡可能的小，而不同類別上的個體間的距離盡可能的大。與分類不同（見后面的預(yù)測型數(shù)據(jù)挖掘），在開始聚集之前你不知道要把數(shù)據(jù)分成幾組，也不知道怎么分（依照哪幾個變量）。聚類最常見的例子是，比如保險公司想知道購買保險的客戶一般具有哪些特征；醫(yī)學(xué)研究人員希望從已有的成千上萬份病歷中找出患某種疾病的病人的共同特征，從而為治愈這種疾病提供一些幫助。聚類方法包括統(tǒng)計方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫的方法。在統(tǒng)計方法中，聚類稱聚類分析，它是多元數(shù)據(jù)分析的三大方法之一（其它兩種是回歸分析和判別分析）。它主要研究基于幾何距離的聚類，如歐式距離、明考斯基距離等。傳統(tǒng)的統(tǒng)計聚類分析方法包括系統(tǒng)聚類法、分解法、加入法、動態(tài)聚類法、有序樣品聚類、有重疊聚類和模糊聚類等。這種聚類方法是一種基于全局比較的聚類，，它需要考察所有的個體才能決定類的劃分；因此它要求
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2004
【分類號】：G302

【引證文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 蘇卉;高新技術(shù)業(yè)代工合作中知識轉(zhuǎn)移運行機(jī)制與效率研究[D];上海交通大學(xué);2008年

相關(guān)碩士學(xué)位論文 前1條

1 許松;母子公司知識轉(zhuǎn)移研究[D];山東大學(xué);2007年

本文編號：2679485