基于最小二乘支持向量机的科技奖励评价模型.pdfVIP

狭l 参考 基于最小二乘支持向量机的科技奖励评价模型 王 瑛 ，罗丽雯，欧阳显斌 (湖南大学 金融与统计学院，长沙410079) 摘 要：文章利用CRITIC法对专家进行动态赋权，采用固定权重法构建出训练样本集，经LIBSVM软件的 训练，获得最佳的最小二乘支持向量机模型。实证表明，该模型对项 目进行排名时，准确率很高，充分体现了经 验风险小、推广能力强的优势。 。 关键词：科技奖励；CRITIC法；最小二乘支持向量机；综合评价 中图分类号：G304 文献标识码：A 文章编号：1002—6487(2013)06—0051—03 设有个被评价项目{U1， ，…Ui…， }，m个评价指 0 引言 标{P，Pz，… ，…，P}，r个评判专家{s，Sz，…，S -．， 科技奖励是国家促进科技发展和创新的一种方法，在 s}，组成评价指标样本集 )(见表1)。 力求客观、公正的基础上，对科研成果进行评定并给予优 表1 专家评审的原始数据 秀科研成果以奖励，激发科技工作者投身科研事业的积极 评审 S1 S2 S 项 目 P1 P2 … P P1 P2 … P Pl P2 … P 性。传统的科技奖励评价方法如专家评分法、德尔菲法都 U1 [¨z … z -z2【1 … -z z … 严重受到专家主观因素的影响，因此，研究新的科学的评 U2 z z … … -z … 价方法具有十分重要 的现实意义 。 ● ● ● 基于科技奖励评价是专家对多个项 目的多个指标进 z … z z … … 行评价，数据具有非线性特征，本文引入一种新的科技奖 对于特定专家s而言，对 比强度用标准差 纠来体现， 励评价方法——最小二乘支持向量机。该方法在解决非 指标P，与其它指标之间的冲突性用指标来 (1一 )量 线性 问题上表现出许多特有的优势，强调经验风险最小 化，具有较好的推广能力，能得到全局最优解 。本文还结 化，其中y 表示第_厂个指标与第 个指标之间的相关系数。 合CRITIC法对专家进行动态赋权 ，利用固定权重法获取 那么，指标 所包含的信息量为： 建立最小二乘支持向量机模型的训练样本，极大降低了人 为主观因素的影响。 = (1一) (1) 其中， 大表示第厂个指标(P，)所包含的信息量越 1 基本原理 多，即该指标的相对重要性越大，所赋权重也应该越大，所 1．1 cRITIC法的基本原理 以第 指标(P，)的客观权重 应该为： CRITIC法是 由Diakoulaki提出的一种新 的客观赋权 () = 产 1，2，…，优 (2) 方法，是以某特征间的对比强度和特征间的冲突性来综合 ∑ 衡量特征的客观权重。其中对 比强度通常用标准差来体