专家-申请书分组匹配算法和项目申报管理系统

摘要

联合分组匹配是解决异质对象分组问题的重要手段。项目申报管理是当今社会一项很常见的工作，项目评审过程中专家与申请书的分组与匹配是典型的分组匹配问题。 分组匹配与联合聚类有很强的相似性。基于二部图谱划分的联合聚类算法首先用二部图模型描述异质对象之间的对应关系，接着根据切分准则对图进行切分，再根据谱图理论将图的切分问题转化为对矩阵特征向量的聚类问题，最后利用k-means聚类算法对矩阵特征向量进行聚类，从而实现异质对象的联合聚类。 借鉴基于二部图谱划分的联合聚类算法的主要思想，本文提出了专家-申请书分组匹配算法，目的在于解决项目评审中专家与申请书的分组匹配问题。该算法要求每个匹配组内专家和申请书的个数固定，用二部图描述专家与申请书之间的对应关系，利用本文提出的关联强度计算公式计算图中每条边的权重值，求出图的关联矩阵，对关联矩阵进行奇异值分解得到奇异特征向量，用k-means分组算法对奇异特征向量进行分组，从而实现专家与申请书的分组匹配。 实验表明专家-申请书分组匹配算法能实现专家与申请书的分组匹配，分组结果有较高的准确性与合理性。 为了提高项目申报管理的工作效率，本文设计和开发了基于B/S模式三层架构的项目申报管理系统，系统包括项目申报子系统，主管部门管理子系统，评审部门管理子系统，专家项目评审子系统，用户登录子系统。

目录

文摘

英文文摘

声明

致谢

1 引言

1.1 研究背景

1.2 分组匹配问题

1.3 论文的主要工作和组织安排

2 基于二部图谱划分的联合聚类理论及相关算法

2.1 二部图模型

2.2 图的切分准则

2.3 谱图理论和谱聚类算法

3 专家-申请书分组匹配算法

3.1 分组匹配问题描述

3.2 专家-申请书二部图模型

3.3 专家-申请书关联强度计算公式

3.4 专家-申请书分组匹配算法

3.4.1 拉普拉斯矩阵的奇异值分解

3.4.2 二类聚类算法

3.4.3 多类聚类算法

4 实验及结果

4.1 算法评价指标

4.1.1 分组正确率

4.1.2 相对信息损失率

4.2 实验一

4.3 实验二

4.4 实验结果分析

5 项目申报管理系统相关技术与需求分析

5.1 管理信息系统介绍

5.2 系统相关技术介绍

5.3 系统需求分析

5.3.1 功能需求分析

5.4 项目申报系统基本工作用例

5.4.1 项目申请子系统工作用例图

5.4.2 项目申请主管部门管理子系统工作用例图

5.4.3 项目评审部门管理子系统工作用例图

5.4.4 专家项目评审子系统工作用例图

5.4.5 系统管理子系统工作用例图

5.5 系统概要设计

5.5.1 系统总体结构设计

5.5.2 系统逻辑结构设计

5.5.3 系统功能结构设计

5.5.4 系统安全分析与设计

6 项目申报管理系统详细设计

6.1 数据库设计

6.1.1 数据库概念设计

6.1.2 数据库逻辑结构设计

6.1.3 数据库连接技术

6.2 项目申报管理系统功能设计

6.2.1 用户登录子系统详细设计

6.2.2 项目申请子系统详细设计

6.2.3 主管部门项目管理子系统详细设计

6.2.4 项目评审部门项目管理子系统详细设计

6.2.5 专家项目评审子系统详细设计

6.3 系统运行结果分析

7 结论

参考文献

附录A