主成分模糊神经网在高校科研创新能力评价中的研究与应用

发布时间：2021-04-09 04:43

　　建设创新型国家,提高自主创新能力,高校是主力军,是创新技术的源泉。开展对高校科研创新能力评价,有利于提升高校科研效率和科研水平,对健全我国科研创新体系,意义重大。在借鉴国内外相关研究成果的基础上,本文开展了以下研究与设计工作：（1）构建了多级高校科研创新能力评价体系。本着科学合理原则,通过问卷调查、征求专家意见和参考相关研究成果,本文构建了多级高校科研创新能力评价指标体系。（2）研究了各种典型的评价模型和评价方法。研究了目前代表性的评价方法,重点研究了主成分分析法（PCA）、BP神经网、T-S型模糊神经网（FNN）和SOM神经网。经综合分析,本文提出了主成分BP神经网络（PCA-BP）和主成分模糊神经网络（PCA-FNN）两种评价模型。（3）分别运用PCA—BP和（?）PCA—FNN寸高校科研创新能力进行评价先采用主成分分析法（PCA）在力保数据信息损失最小的原则下对评价指标数据进行有效降维,消除指标数据间的相关性和重叠性,保留贡献率大于90%的主成分,然后将其归一化分别作为BP神经网络和模糊神经网络的输入,经用Matlab编程训练、测试,验证,实现了高校创新能力的评价。且最后对预测精... 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 论文的研究背景和意义
    1.2 国内外研究概况
        1.2.1 国外高校科研能力评价的概况
        1.2.2 国内高校科研能力评价的概况
    1.3 研究内容及其组织安排
        1.3.1 研究内容
        1.3.2 论文组织安排
2 高校科研创新能力评价的目的、原则与主要方法
    2.1 高校科研创新能力评价的目的和原则
        2.1.1 高校科研创新能力评价的目的
        2.1.2 高校科研创新能力评价的原则
    2.2 高校科研创新能力评价的主要方法
        2.2.1 德尔菲法
        2.2.2 层次分析法
        2.2.3 人工神经网络评价法
        2.2.4 数据包络分析法
        2.2.5 灰色决策评价方法
        2.2.6 模糊综合评判法
        2.2.7 主成分分析法
    2.3 本章小结
3 高校科研创新能力评价指标体系的构建
    3.1 高校科研创新能力评价指标体系基本结构
    3.2 高校科研创新能力评价指标说明
    3.3 本章小结
4 模糊数学与人工神经网络基本理论
    4.1 模糊数学基本理论
        4.1.1 模糊集合的定义及表示方法
        4.1.2 模糊隶属度函数的确定和常用隶属函数介绍
        4.1.3 模糊关系定义及合成
    4.2 人工神经网络理论
        4.2.1 基本人工神经元模型
        4.2.2 人工神经网络模型的分类
        4.2.3 神经网络常用学习算法
        4.2.4 BP神经网络简介
        4.2.5 自组织特征映射神经网络（SOM）简介
    4.3 本章小结
5 模糊神经网络概述
    5.1 模糊系统和神经网络结合的可能性
    5.2 模糊系统和神经网络的结合方式
    5.3 模糊神经网络结构
        5.3.1 模糊系统的T-S模型
        5.3.2 基于T-S模型的模糊神经网络结构
    5.4 模糊神经网络学习算法简介
    5.5 本章小结
6 高校科研创新能力评价实证研究与实现
    6.1 基于主成分分析（PCA）的高校科研创新能力评价
        6.1.1 高校科研创新能力评价主成分分析过程流程图
        6.1.2 高校科研创新能力评价主成分分析具体实施步骤
    6.2 基于PCA—BP模型的高校科研创新能力评价
        6.2.1 PCA—BP评价模型的构建
        6.2.2 BP网络拓扑结构的确定
        6.2.3 BP网络各层神经元个数的确定
        6.2.4 神经元数据的归一化
        6.2.5 基于Matlab的PCA-BP高校科研创新能力评价模型的实现
    6.3 基于PCA—FNN模型的高校科研创新能力评价
        6.3.1 基于PCA—FNN模型的高校科研创新能力评价步骤
        6.3.2 PCA—FNN模型的构建
        6.3.3 基于Matlab的PCA-FNN高校科研创新能力评价编程实现
    6.4 PCA-BP和PCA-FNN两种模型评价结果对比分析
    6.5 本章小结
7 总结与展望
    7.1 工作总结
    7.2 工作展望
致谢
参考文献


【参考文献】：
期刊论文
[1]基于主成分分析的中国高校科技创新能力评价[J]. 刘伟,曹建国,郑林昌,吴荫芳.  研究与发展管理. 2010(06)
[2]基于因子分析法的高校科技创新能力评价研究[J]. 王艳秋.  中国市场. 2010(31)
[3]高校科技创新能力评价体系构建及其分析[J]. 章熙春,马卫华,蒋兴华.  科技管理研究. 2010(13)
[4]荷兰高校科研评估的特点及启示[J]. 刘蓉洁,赵彩霞.  世界教育信息. 2009(11)
[5]基于主成分分析的黑龙江省区域创新能力评价[J]. 王晓光,方娅.  科技管理研究. 2009(06)
[6]基于BP神经网络的高校院系科研绩效评价模型[J]. 叶国荣.  浙江工商大学学报. 2009(02)
[7]一种基于DEA的高校科研绩效评价方法[J]. 戚湧,李千目,王艳.  科学学与科学技术管理. 2008(12)
[8]一种新的基于TOPDIS的科研绩效提升方法[J]. 孙海华,戚湧,李千目.  科技进步与对策. 2008(06)
[9]高校教师科技绩效评价指标体系与权重[J]. 刘仁义,陈士俊.  统计与决策. 2007(06)
[10]构建高校科研评价系统 提高我国自主创新能力[J]. 陆根书,张晓磊,席酉民,梁磊,杨兆芳.  高等工程教育研究. 2006(06)

博士论文
[1]模糊神经网络的结构优化研究[D]. 艾芳菊.中国科学院研究生院（成都计算机应用研究所） 2006

硕士论文
[1]基于模糊神经网络的公路隧道健康监测评估系统研究[D]. 于伟达.浙江大学 2010
[2]基于主成分分析与神经网络的肝病预测分析[D]. 高秀娟.中南大学 2010
[3]高校创新能力评价及提升方法研究[D]. 孙海华.南京理工大学 2008
[4]大学科研评价体系及应用研究[D]. 唐慧君.湖南大学 2006



本文编号：3126939