期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于技术竞争情报的企业新产品开发研究与实践——以生物医药企业为例 被引量:2
1
作者 李维思 许明金 +2 位作者 吴晨生 史敏 曾德超 《现代情报》 CSSCI 北大核心 2017年第7期35-40,共6页
本文基于技术竞争情报分析方法,研究了企业产品开发的关键要素与模型选择。在此基础上,基于生物医药企业技术创新的瓶颈与问题,将技术竞争情报应用于企业的新产品开发与创新管理中,最终形成了生物医药企业的产品开发路线图,为其战略发... 本文基于技术竞争情报分析方法,研究了企业产品开发的关键要素与模型选择。在此基础上,基于生物医药企业技术创新的瓶颈与问题,将技术竞争情报应用于企业的新产品开发与创新管理中,最终形成了生物医药企业的产品开发路线图,为其战略发展提供了决策支撑。 展开更多
关键词 技术竞争情报 分析方法 新产品开发 关键要素 模型 生物医药 企业
在线阅读 下载PDF
大数据时代宏观经济分析面临的机遇与挑战 被引量:34
2
作者 申红艳 吴晨生 +1 位作者 扆铁梅 滕飞 《经济研究参考》 北大核心 2014年第63期19-25,共7页
"大数据"时代的来临为各行各业带来了机遇与挑战。本文以宏观经济分析为考察对象,介绍了国内外大数据在宏观经济分析中的研究与应用现状,剖析了大数据为宏观经济分析带来的机遇与挑战,认为:一方面,大数据及大数据技术的发展... "大数据"时代的来临为各行各业带来了机遇与挑战。本文以宏观经济分析为考察对象,介绍了国内外大数据在宏观经济分析中的研究与应用现状,剖析了大数据为宏观经济分析带来的机遇与挑战,认为:一方面,大数据及大数据技术的发展丰富了宏观经济分析的数据基础和分析手段,另一方面,利用大数据进行宏观经济分析尚面临数据清洗、数据安全、人才培养和平台开发等多方面的挑战。最后,本文基于以上分析提出了相应的对策建议。 展开更多
关键词 大数据 宏观经济分析 机遇 挑战
在线阅读 下载PDF
中文科技政策数据分析方法研究——以新能源汽车领域科技政策为例 被引量:7
3
作者 李辉 曾文 +2 位作者 吴晨生 李荣 樊彦芳 《现代情报》 CSSCI 2018年第6期68-72,共5页
大数据时代的到来,促进了计算机科学技术的飞速发展,同时也给科技情报分析方法的研究带来发展机遇。有效的数据分析方法是获取有价值情报的基础。科技政策数据分析是指利用计算机处理技术自动地从科技政策数据中提取简练且有代表性的语... 大数据时代的到来,促进了计算机科学技术的飞速发展,同时也给科技情报分析方法的研究带来发展机遇。有效的数据分析方法是获取有价值情报的基础。科技政策数据分析是指利用计算机处理技术自动地从科技政策数据中提取简练且有代表性的语句,识别出数据的核心内容或用户感兴趣的语句内容。基于科技政策数据内容的特点,本文提出适用于科技政策数据内容特点的数据分析方法,设计并构建科技政策数据内容分析实验系统,验证了本文提出方法的有效性。为探索深层次的科技数据情报分析方法提供了新思路。 展开更多
关键词 中文科技政策 数据分析 新能源汽车
在线阅读 下载PDF
当代科技革命的内涵及对未来发展的预判 被引量:3
4
作者 魏晨 西桂权 +3 位作者 张婧 吴晨生 王健美 龚龑 《中国科技论坛》 CSSCI 北大核心 2020年第6期37-43,共7页
自18世纪以来,科学与技术的进步在推动经济快速发展的同时,促使主导技术与技术群、工业领域发生了巨大变革,同时也让新的科学概念替代了原有的理论与体系。进入21世纪,新一代信息技术、生物技术和新能源技术等领域发生的第四次科技革命... 自18世纪以来,科学与技术的进步在推动经济快速发展的同时,促使主导技术与技术群、工业领域发生了巨大变革,同时也让新的科学概念替代了原有的理论与体系。进入21世纪,新一代信息技术、生物技术和新能源技术等领域发生的第四次科技革命改变了原有的人类社会组织方式,大幅提高了生产力。但遗憾的是,科技发展至今,已经基本上用尽了目前科学能给人类和社会带来的技术发展空间。本文通过分析和归纳科学革命、技术革命与科技革命的概念、趋势与历次科技革命带来的巨大变革,并以此为依据,对未来科技革命的主要发展方向进行科学性的预判。 展开更多
关键词 科学与技术 科技革命 预判
在线阅读 下载PDF
基于周期采样的数据流频繁项集挖掘算法研究
5
作者 侯伟 杨炳儒 +1 位作者 吴晨生 周谆 《高技术通讯》 EI CAS CSCD 北大核心 2009年第8期817-824,共8页
针对用于数据流频繁项集挖掘的现有方法存在引入过多次频繁项集以及时空性能与输出精度较低的问题,利用Chebyshev不等式,构造了项集频度周期采样的概率误差边界,给出了动态检测项集支持度变化方法。提出了一种基于周期采样的数据流频繁... 针对用于数据流频繁项集挖掘的现有方法存在引入过多次频繁项集以及时空性能与输出精度较低的问题,利用Chebyshev不等式,构造了项集频度周期采样的概率误差边界,给出了动态检测项集支持度变化方法。提出了一种基于周期采样的数据流频繁项集挖掘算法FI-PS,该算法通过跟踪项集支持度变化确定项集支持度的稳定性,并以此作为调整窗口大小以及采样周期的依据,从而以一个较大的概率保证项集支持度误差有上界。理论分析及实验证明该算法有效,在保证挖掘结果准确度相对较好的条件下,可获得较优执行性能。 展开更多
关键词 数据挖掘 数据流 频繁项(FI)集 周期采样(PS)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部