| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·论文的研究背景和意义 | 第8-9页 |
| ·国内外研究概况 | 第9-13页 |
| ·国外高校科研能力评价的概况 | 第9-11页 |
| ·国内高校科研能力评价的概况 | 第11-13页 |
| ·研究内容及其组织安排 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·论文组织安排 | 第13-15页 |
| 2 高校科研创新能力评价的目的、原则与主要方法 | 第15-21页 |
| ·高校科研创新能力评价的目的和原则 | 第15-16页 |
| ·高校科研创新能力评价的目的 | 第15页 |
| ·高校科研创新能力评价的原则 | 第15-16页 |
| ·高校科研创新能力评价的主要方法 | 第16-20页 |
| ·德尔菲法 | 第16页 |
| ·层次分析法 | 第16-17页 |
| ·人工神经网络评价法 | 第17页 |
| ·数据包络分析法 | 第17页 |
| ·灰色决策评价方法 | 第17页 |
| ·模糊综合评判法 | 第17-18页 |
| ·主成分分析法 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 3 高校科研创新能力评价指标体系的构建 | 第21-25页 |
| ·高校科研创新能力评价指标体系基本结构 | 第21-22页 |
| ·高校科研创新能力评价指标说明 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 4 模糊数学与人工神经网络基本理论 | 第25-42页 |
| ·模糊数学基本理论 | 第25-30页 |
| ·模糊集合的定义及表示方法 | 第25-26页 |
| ·模糊隶属度函数的确定和常用隶属函数介绍 | 第26-28页 |
| ·模糊关系定义及合成 | 第28-30页 |
| ·人工神经网络理论 | 第30-41页 |
| ·基本人工神经元模型 | 第30-31页 |
| ·人工神经网络模型的分类 | 第31-34页 |
| ·神经网络常用学习算法 | 第34-35页 |
| ·BP神经网络简介 | 第35-39页 |
| ·自组织特征映射神经网络(SOM)简介 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 5 模糊神经网络概述 | 第42-48页 |
| ·模糊系统和神经网络结合的可能性 | 第42-43页 |
| ·模糊系统和神经网络的结合方式 | 第43页 |
| ·模糊神经网络结构 | 第43-46页 |
| ·模糊系统的T-S模型 | 第43-44页 |
| ·基于T-S模型的模糊神经网络结构 | 第44-46页 |
| ·模糊神经网络学习算法简介 | 第46页 |
| ·本章小结 | 第46-48页 |
| 6 高校科研创新能力评价实证研究与实现 | 第48-78页 |
| ·基于主成分分析(PCA)的高校科研创新能力评价 | 第49-57页 |
| ·高校科研创新能力评价主成分分析过程流程图 | 第49-50页 |
| ·高校科研创新能力评价主成分分析具体实施步骤 | 第50-57页 |
| ·基于PCA—BP模型的高校科研创新能力评价 | 第57-65页 |
| ·PCA—BP评价模型的构建 | 第57-58页 |
| ·BP网络拓扑结构的确定 | 第58-59页 |
| ·BP网络各层神经元个数的确定 | 第59页 |
| ·神经元数据的归一化 | 第59-60页 |
| ·基于Matlab的PCA-BP高校科研创新能力评价模型的实现 | 第60-65页 |
| ·基于PCA—FNN模型的高校科研创新能力评价 | 第65-76页 |
| ·基于PCA—FNN模型的高校科研创新能力评价步骤 | 第66页 |
| ·PCA—FNN模型的构建 | 第66-67页 |
| ·基于Matlab的PCA-FNN高校科研创新能力评价编程实现 | 第67-76页 |
| ·PCA-BP和PCA-FNN两种模型评价结果对比分析 | 第76页 |
| ·本章小结 | 第76-78页 |
| 7 总结与展望 | 第78-80页 |
| ·工作总结 | 第78-79页 |
| ·工作展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-83页 |
