基于数据挖掘的各城市综合竞争力等级分类的研究

• 作者: 庄亮亮 黄辉林
• 来源期刊: 数据挖掘
• 学科: 工学
• 关键词: 城市综合竞争力 因子分析 K-中心聚类 决策树 BP神经网络 KNN
• 年，卷（期）: 2019,（4）
• 页码范围: 117-130
• 页数: 14页
• 分类号: TP3

摘要

近几年随着中国经济实力的不断发展,各个城市越来越注重自身的综合城市竞争力。城市竞争力评价体系、等级分类体系的建立能使各个城市有针对性的把握自身未来发展方向。为了建立评价体系与进行等级分类,本文通过因子分析提取出三个主因子(Fa1:综合经济和信息化程度、Fa2:城市环境与医疗服务水平因子、Fa3:经济增长效益),并建立了城市指标体系。在此基础上,学习并采用K-中心聚类、决策树、神经网络、KNN与加权KNN等方法,从三个主因子得分入手,对各城市进行等级分类,与2016年官方城市综合竞争力排名进行比对,判断各方法的分类准确率,比较得出城市等级分类的最优方法以及影响城市综合竞争力的主要因素。基于R语言软件分析,我们得到以下研究结论:在对城市等级进行分类的研究中,发现决策树、神经网络算法分类准确率最优,其次分别是加权KNN、KNN算法和K-中心聚类。并且得到影响城市综合竞争力的主要因素分别是财政预算内收入、社会消费品零售总额、电话普及率、互联网用户数、金融机构年末存款余额与人均公园绿地面积指标。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄辉林	温州大学数理学院	7	14	2.0	3.0
2	庄亮亮	温州大学数理学院	4	2	1.0	1.0