基于粗糙集与支持向量机的高校教师科研能力评价模型的研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 重庆理工大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文是本人在导师的指导下，独立进行研究所取得的成果。 除文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成 果、作品。对本文的研究做出重要贡献的集体和个人，均已在文中以明确方式标明。 本人承担本声明的法律后果。 作者签名： 日期： 年 月 日 学位论文使用授权声明 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权重庆理工大 学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于（请在以下相应方框内打“√”）： 1.保密□，在 年解密后适用本授权书。 2.不保密□。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 万方数据 万方数据 摘要 摘要 万方数据 万方数据 摘要 随着社会科技的发展，越来越多的教师在参与教学工作的基础上也参与到学校的 科研工作，以科研实践促进教学工作的进步。如今教师逐渐成为科研活动的主要力量 之一，而科研活动的强弱也已成为衡量高校整体实力的一种标志。因此，如何正确的 评价教师科研能力已经成为当前高校面临的一个重大问题。 本文主要工作如下： （1）概述了当前国内外学者对教师科研能力评价模型的相关研究，阐述了建立 模型所使用的相关技术方法，并总结已有模型存在的不足，在此基础上提出了本文 建立模型所使用的主要技术方法。 （2）论述了本文建立评价模型所用到的理论方法，主要包括邻域粗糙集理论和 BP 神经网络理论和算法、支持向量机理论和粒子群优化算法等。 （3）依据建立的科研评价指标体系采集对应的科研数据作为初始样本，并对初 始样本进行数据预处理，处理后的数据分别作为 BP 网络和 SVM 算法的输入，依 次建立教师科研能力评价模型。对两种模型在预测准确率和预测误差指标上进行对 比分析，阐述 BP 算法和 SVM 算法在评价模型应用上的优劣，为本文选择 SVM 算 法建立科研能力评价模型奠定基础。 （4）针对评价体系的多指标问题，本文提出使用邻域粗糙集属性约简方法对评 价指标进行属性约简，降低评价指标维度，提高支持向量机算法的效率和模型的建 立速度；针对支持向量机参数的选择问题，本文提出使用粒子群优化支持向量机算 法，迭代搜寻影响支持向量机性能的参数，进一步优化建立的评价模型，提高模型 预测的准确率。 （5）概述了科研管理信息平台的开发背景、设计架构、系统开发环境和相关技 术等，开发实现模型评价功能，并展示了科研评价功能在系统中的部分运行结果。 随着高校信息化的发展，对教师科研能力的评价越来越重要，本文提出的基于 邻域粗糙集和粒子群优化支持向量机方法，提高了教师科研能力评价模型的训练速 度和预测准确率，为评价模型的应用提供一定的科学依据。 关键词：科研能力；评价模型；邻域粗糙集；支持向量机；粒子群算法 I 万方数据 万方数据 万方数据 万方数据 Abst Abstract Abst Abstract Abstract With the development of society and technology, more and more teachers participate in the schools research on the basis of teaching, with the research and practice to promote teaching. Now, teachers are becoming one of the major forces in research activities, and the strength of the activities has also became a symbol to measure the overall strength of school. Therefore, how to evaluate teachers scientific research ability correctly has become a major problem in current colleges and universities. The main work as follows: Firstly, overview the current related research on the evaluation model of teachers’ research ability which were established by scholars