论文部分内容阅读
我国对科研机构的评价工作随着科技体制改革的不断深化而愈益受到重视,特别近年来一些评价办法与结果公布于世,研究工作取得了一定的进展,但总体上讲,还处于探索阶段。
本文立足于科研机构评价实践,利用数据挖掘领域的模糊聚类算法和运筹学领域的数据包络分析方法,对中科院研究所分类评价和绩效评价进行了研究。
本文介绍了科研机构评价的概念、意义和特点,并在阐述科研机构评价的发展、研究现状的同时,对科研机构定量评价方法进行了综述。通过对现有的定量评价方法的概述,为后面两种定量模型的研究作出铺垫。
本文结合PIM聚类算法和核方法的优点,提出了一种新的模糊聚类算法--KPIM聚类算法,并从理论上对该算法的收敛性进行了证明。通过对该算法的实现,本文将模糊聚类算法应用于中科院研究所分类评价过程,并对聚类结果进行对比分析,给出了基于KPIM算法的中科院研究所分类评价方案。
在由模糊聚类得出的中科院分类结果的基础上,本文针对科研机构相对效率评价的实际问题,提出了基于模糊处理的偏好DEA方法,并将该方法应用于中科院研究所的相对效率评价,对实证结果的对比分析和讨论证实了该定量评价模型的可行性和合理性,为中科院研究所评价提供了有价值的信息。