建设创新型国家,提高自主创新能力,高校是主力军,是创新技术的源泉。开展对高校科研创新能力评价,有利于提升高校科研效率和科研水平,对健全我国科研创新体系,意义重大。在借鉴国内外相关研究成果的基础上,本文开展了以下研究与设计工作：(1)构建了多级高校科研创新能力评价体系。本着科学合理原则,通过问卷调查、征求专家意见和参考相关研究成果,本文构建了多级高校科研创新能力评价指标体系。(2)研究了各种典型的评价模型和评价方法。研究了目前代表性的评价方法,重点研究了主成分分析法(PCA)、BP神经网、T-S型模糊神经网(FNN)和SOM神经网。经综合分析,本文提出了主成分BP神经网络(PCA-BP)和主成分模糊神经网络(PCA-FNN)两种评价模型。(3)分别运用PCA—BP和(?)PCA—FNN寸高校科研创新能力进行评价先采用主成分分析法(PCA)在力保数据信息损失最小的原则下对评价指标数据进行有效降维,消除指标数据间的相关性和重叠性,保留贡献率大于90%的主成分,然后将其归一化分别作为BP神经网络和模糊神经网络的输入,经用Matlab编程训练、测试,验证,实现了高校创新能力的评价。且最后对预测精度较高的PCA-FNN结果聚类分组,而不是直接排名,消除了因得分微小差异而导致排名高低带来的片面性,聚类分组显示,结果令人满意。(4)对比分析了PCA-13P和PCA—FNN两种评价模型从数据处理过程、训练次数、数据拟合程度及评价结果等四个方面对比了两种模型的异同,得出PCA-FNN评价模型拟合程度更好,预测率更高,是切实可行的结论。主成分模糊神经网络的研究与应用,为高校科研创新能力评价做了一次有意义的尝试,提供了一种新方法。