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

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

论文摘要

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。且最后对预测精度较高的PCA-FNN结果聚类分组,而不是直接排名,消除了因得分微小差异而导致排名高低带来的片面性,聚类分组显示,结果令人满意。(4)对比分析了PCA-13P和PCA—FNN两种评价模型从数据处理过程、训练次数、数据拟合程度及评价结果等四个方面对比了两种模型的异同,得出PCA-FNN评价模型拟合程度更好,预测率更高,是切实可行的结论。主成分模糊神经网络的研究与应用,为高校科研创新能力评价做了一次有意义的尝试,提供了一种新方法。

论文目录

  • 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
  • 相关论文文献

    • [1].产业创新能力评价研究现状分析——基于信息计量学方法[J]. 创新科技 2019(09)
    • [2].京津冀生态环境协同创新能力评价研究[J]. 劳动保障世界 2020(03)
    • [3].政府数据开放背景下科技创新能力评价研究[J]. 科技管理研究 2020(04)
    • [4].创新系统及创新能力评价综述[J]. 天津科技 2020(02)
    • [5].国内区域创新能力评价研究与展望[J]. 合作经济与科技 2020(06)
    • [6].《国家高新区创新能力评价报告(2019)》公开出版发行[J]. 河南科技 2020(02)
    • [7].基于知-信-行理论的护理本科生创新能力评价体系的探讨[J]. 中国卫生产业 2020(07)
    • [8].高职学生创新能力评价的研究[J]. 山东畜牧兽医 2018(05)
    • [9].区域创新能力评价研究综述[J]. 纳税 2017(32)
    • [10].基于功效系数法的省域创新能力评价研究[J]. 商 2015(34)
    • [11].研究生创新能力评价的三个基本问题[J]. 成才之路 2015(32)
    • [12].政府驱动创新能力评价研究[J]. 特区实践与理论 2019(06)
    • [13].连云港高新区创新能力评价[J]. 江苏师范大学学报(自然科学版) 2020(03)
    • [14].全面评价高新区创新水平 助力国家创新顶层设计——《国家高新区创新能力评价报告(2016)》发布[J]. 中国科技产业 2016(12)
    • [15].基于二元语义组合赋权的制造企业绿色创新能力评价模型及实证研究[J]. 运筹与管理 2017(04)
    • [16].美国科技创新能力评价的做法与借鉴[J]. 当代经济管理 2017(10)
    • [17].皖北中小企业创新能力评价指标体系构建[J]. 宿州学院学报 2017(09)
    • [18].研究生创新能力评价及提升路径研究述评[J]. 科技资讯 2014(31)
    • [19].高职院校学生创新能力评价体系研究[J]. 中国电力教育 2014(32)
    • [20].如何构建科学高效的科技创新能力评价机制[J]. 中国高校科技 2015(08)
    • [21].我国科技型中小企业创新能力评价指标体系研究[J]. 知音励志 2016(01)
    • [22].创新能力评价体系与测度文献研究述评[J]. 商 2014(25)
    • [23].农业龙头企业自主创新能力评价研究综述[J]. 沈阳大学学报(社会科学版) 2013(01)
    • [24].纺织企业自主创新能力评价研究[J]. 科技管理研究 2012(03)
    • [25].学生信息科技创新能力评价体系研究[J]. 西藏科技 2012(08)
    • [26].我国中小企业自主创新能力评价体系研究[J]. 河北软件职业技术学院学报 2011(01)
    • [27].研究生创新能力评价的三个基本问题[J]. 学位与研究生教育 2010(01)
    • [28].企业自主创新能力评价方法综述[J]. 科技管理研究 2009(12)
    • [29].车辆工程专业研究生学术创新能力评价[J]. 教育教学论坛 2020(12)
    • [30].河南省企业自主创新能力评价、比较及提升对策[J]. 科技和产业 2020(08)

    标签:;  ;  ;  ;  

    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
    下载Doc文档

    猜你喜欢