基于數據融合的高校創新創業路徑指導研究

賓揚帆

（湖南環境生物職業技術學院，湖南 衡陽 421005）

0 引言

創新創業是當今社會的主旋律，但在過程中存在激烈的競爭，需要面對若干不確定因素，導致創新創業的成功率偏低。高校作為人才培養的基地，有責任在創新創業中給予專業的指導和建設性的路徑建議?，F實中，由于信息不對等、不及時等原因，高校的創業路徑指導存在滯后和盲目的問題。為了從技術層面解決這一問題，應用大數據分析的思維，將影響創新創業的因素以數值化的形式表示，并將其影響效果和相互關聯關系在模型中進行詮釋，所得到的結果是兼顧了歷史、同行、背景、產業相關方等豐富數據的融合體現，會對創新創業的方向和路徑起到指引作用，避免了盲目跟從所帶來的風險。同時，通過數據融合分析的全面性特點，可以在紛繁復雜的市場關系中，找到適合創業者專業方向的路徑，助力創業成功。在大數據處理技術領域，“融合”已經是一種重要的理念，可以將紛繁復雜的多元信息進行歸一化處理，建立可相互影響的信息處理模型，以實現復雜問題的簡單化描述。多源信息的融合有助于挖掘數據的潛力，提高分析的效率；多源數據的相互驗證，可以減少錯誤和疏忽，防止決策失誤。

1 多維度數據融合技術

制約創新創業成功的因素很多，但是在某一確定行業領域，單一影響因素的作用效果卻是可以預先評估的。因此需要在很多因素的海量信息中，提取出對創新創業的結果影響最直接、作用最突出的一項或幾項數據信息，作為評價該創業創新路徑成功概率的核心要素。

1.1 數據篩選規則

數據篩選規則針對的是某一確定行業的相關單位經營業績、發展速度、產業規模、用工層次、營收額度、納稅信息等龐雜的數據信息，采用關鍵詞過濾的監控方式和特定類型數據的對比鑒別，收集到關聯度高的價值數據，實現數據挖掘。設計的具體流程為：SDFR（Service discovery for multi-robot systems，多自動處理系統的服務發現）通過網絡層傳輸到應用層的整體數據特性，對數據的特征、總量等關鍵信息進行統計類型的描述。SDFR系統具有良好的可擴充能力，能夠根據行為的特征，實現對各種關鍵詞的處理，包括采樣輸出、原始報文和源資料輸出等。借助SDFR系統核心引擎，以信息融合技術為基礎的大學創新創業路徑規則體系主要由規則頭部、規則本體和規則行為三大類組成。規則主體定義特征匹配、計算規則，以提高規則的易讀度。在SDFR系統的搜索引擎發現關鍵詞后，認為該段信息具有價值，則開啟擴展搜索，對該信息段的關聯信息和上下游信息進行加強檢索。過程引擎是多維數據融合過濾過程的核心，可以將SDFR轉化為一組過濾法則，根據需求啟動對應的數據處理，最終實現一個完整的過濾過程。整個處理流程由規則預處理、規則匹配和規則發現標識3個環節組成。該文對所選擇的測值資料采用平均權重法進行分析，其核心是一種特殊的最小二乘估算，如公式（1）所示。

參數的最小二乘估計如公式（2）所示。

圖1 信息數據融合示意圖

式中：觀測矢量∈R，觀測矩陣∈R，未知參數矢量∈R，∈R為相同分布高斯白噪聲。當觀測矩陣=[1，1，...，1]∈R，化簡為式（3）。

對矩陣進行分析，發現該算法與平均法基本一致，驗證了模型的正確性。通過相似的計算程序可以把這種方法稱為最小無偏化計算。該文應用了一種基于最小二乘的最大值估計法，即最大偏差二乘法可以對下限進行最大程度的估算。在該條件下，算法的最大值會受到限制，應用基于數據融合的線性偏差估算方法，可以有效地改善篩選的可靠性.

1.2 數據預處理

對規則進行分析，進行優化匹配。利用SDFR語法分析和詞法分析，規范了搜索結果的匹配性；從多維的數據集中，提取各個規則下的不同維度數據，按照不同的維度劃分，構建起一個多維的規則，并以此為基礎構建了多維數據模型，以實現基于Bitmap數據下標的快速查找。當Bitmap發現滿足條件的矢量結果，建立鏈接，并設定標志位bit為1，代表相應的常點數；如果bit為0，則代表在匹配處理中匹配結果發生了變化。基于數據包、報文和深度報文的多維度特征比對，采用基于數據流的規則匹配。網絡信息的特征包括自定義標題、五元組和載體的信息特征和相位特征，包括會話創建、會話重組和會話超時。在對話流程建立的過程中，可以對五個元素組進行分析，判斷自定義特征。然后進行五個元素相應維度的對應匹配，并刷新對應的結果矢量；對重新組合的過程不必進行任何的匹配；在保證精確度的前提下，對多個層次進行多維的匹配，提高數據處理的正確性。引入線性模型的典型形式，為式（4）。

未知矢量的最小二乘估計為式（5）。

式中：Λ={λ}，為特征根，為線性變換。α和x之間的關系如式（6）所示。

式中：是對應特征根的標準化正交特征向量，通過對多個單維度Bitmap的結果矢量進行對比和操作，并從該結果矢量的中間點找到相應的規則ID，從而得到該規則的真實ID。規則矩陣是以多個單一維度的法則矢量為基礎，以發現的結果為參數，儲存該規則的集合。該算法采用了基于2個方向的矩陣模型實現對網絡數據的相似性模擬，并將其劃分成行和列兩種類型變化。

2 基于數據融合的創業路徑體系

2.1 數據融合過程

以數據整合為基礎的大學創新創業路徑引導信息的整合，要求在對創業成功性進行判定時，通過對確定行業各種特征指數的分析，結合輸入的確定信息，進行全面剖析，得出對創業成功率的最后判定。通過對各個目標的不同特性描述，對這些信息進行分析和加工，根據一定的規律對冗余和互補信息進行綜合，并對其進行選擇和判定，從而得出一個正確的決策結果。

創業融合路徑指導利用冗余度的方法對目標進行分析，并利用補充的數據增強了系統的穩定性。對這些數據，系統并沒有進行簡單的分析和整合，而是按照數據中的時空特性，按照數據的等級進行分類，以此實現在一個層面對數據進行分析，也可以從多個層面進行融合。分類過程分為數據層、特征層和決策層3個層級。該文根據以上原理，對有偏差量的可靠度進行了量化表達，在較大程度上反映了被測參量的真實值。在該情況下未知數矢量的每個元素α的有偏樣本方差為式（7）。

因為α 滿足正態分布，所以高校大學生對創新創業的路徑指導α的概率密度函數為式（8）。

在對數據進行分析和合并之前，通過對傳感器的測量結果進行預處理，以消除噪聲的影響，從而獲得準確的數據。數據的特征抽取是在經過預處理后，按照特定的準則選擇出相應的特征，從而獲得最終的融合結果。最后通過數據的融合運算，針對特定的應用需求進行選擇和運用

[10]。

2.2 數據融合層次

通過對各信息進行有效的數據層次融合，完成對目標的最終判斷，從而改善整個創業路徑的綜合效能。由于數據具有多種特性，因此可以按照不同的應用需求和數據特性對其進行多層次、多階段的分析，從而進行分級。因為在提取原始數據和資料時，必須先概括與原資料完全一致的特征信息，否則無法將2種類型的資料進行合并。概括過程不需要預先進行任何的處理步驟，即可將數據的全部信息保留下來，從而實現數據的融合。利用相關對象的特征矢量進行目標環境的辨識，使用神經網絡算法，決策級集成了各個感知系統的決策信息，從而提高了性能。在決策層面上，各個感知節點分別接收到各自的數據，并對各個獨立的個體進行分析判斷，在圖2中顯示了特征級的數據融合層次構造圖。

圖2 數據融合層次圖

針對高校的創新創業背景下，在進行融合的過程中，要從融合方案、資金預算、檢測參數以及系統性能等方面進行考量，融合效果與融合層次、融合程度和計算能力都息息相關。所得到的最終決策，綜合了制約創業成功的影響因素，在多重決策的前提下，實現了相互關聯，剔除重復影響因素，加重了關鍵影響因素，形成綜合化決策結果。

3 實例試驗

3.1 試驗準備

為了更好地理解大學生創新創業的意識趨向，該文從基本情況、創新計劃、創業方向和創業預備四個方面入手，將研究對象涵蓋到全體應屆畢業生。大學生創業目標不夠明確，但在創業者看來，創業最大的問題在于缺少經驗、缺少人脈、缺少社會資源、缺少創業精神等。研究結果表明，目前高校學生創新創業存在突出問題變現在：高校創新創業課程開設不足、創業政策和理念認識不足；在應試教育體系中，營銷意識、理財技能和交流技能基本欠缺；項目選擇盲目，好高騖遠，創業技能不足且急于求成；社會資源相對貧乏、人脈積累不足；經營管理經驗不足，處于“摸著石頭過河”的盲動狀態；國家和社會層面在政策傾斜、資金支持等多個方面相對欠缺；對現有社會資源、平臺無法合理利用等可能遇到的問題或潛在風險。將以上直接或潛在影響因素作為輸入數據，進行數據信息的融合計算，驗證高校創新創業路徑指導的作用與正確性。

3.2 試驗結果

為更好地對比研究大學創新創業過程中的有偏差和無偏差的測量結果的可信度，結合一個統一的基礎標準，在非偏差的對稱范圍中，對有偏差的可靠度進行量化表達，數據融合的過程如圖3所示。

圖3 數據融合過程

由于測量的可靠性和誤差都是在（+∞，+∞）的范圍之內，因此，量化表達的可靠性必須在一個特定的數值區間中進行量化評估。例如假定在一個限制條件下，測量的數值在（+∞，+∞）的區間中均可以達到，所以任何一個測量的數值都是絕對可靠的，明顯不適合于實際情況。在測量的過程中，要力求一個盡可能小的變化范圍和一個可接受的誤差區間，測量的可靠性必須是高可信度。因此，不能僅依靠一個方差或一個誤差來度量，而是要把誤差和方差結合起來。可靠性指數不僅要量化，而且還要給出上限，二者缺一不可，如果只量化可靠性而不給出上限條件，就不可能準確地判斷其可靠性。將基本情況、創新計劃、創業方向、創業準備四個維度的不同情況數據代入模型中計算，融合判定結果對例如圖4所示。

從圖4可以看出，創業目標明確的創業大學生越來越多，該模型可以在不確定的情況下，將數據的統計結果與最小二乘法進行比較，制定一種新的路徑指導策略。采用該方法能夠提高指導的可靠性，為創業學生提供有針對性的建議，使高校學生創新創業的內容明確，提高創業成功率。

圖4 高校大學生創新創業指導后變化圖

4 結語

當前，我國高校學生在創業的過程中，對創業的性質、創業目標的選擇、創業方向的選擇、素質的培養、可能遇到的問題以及失敗后的對策等都存在較大的誤區，亟需給予專業性的指導。在數據融合技術的基礎上，利用數據分析技術，將實測數據的平均值或權重平均與最小二乘法進行了等值，并根據有偏差估算的方差和結果調整測量準確率，并給出了一種具有偏差的數據融合算法，可以全面的處理制約學生創新創業的影響因素，形成綜合化的指導意見，供學生參考。通過這種數學化的創新創業路徑指導模型，在總結前人經驗的基礎上規避創新創業風險，為學生提供一種融合多方數據信息的指導意見，助力創新創業成功。由于時間的問題，制約創新創業的影響因素信息等基礎數據庫構建的還不完善，導致計算過程存在較大的偏差，需要在今后的研究中不斷補充豐富，在迭代提升中提高路徑指導的準確性。