声明
摘要
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