粗糙集理论在科研能力综合评价中的应用.pdf

《粗糙集理论在科研能力综合评价中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2009年第2期科技管理研究ScienceandTechnologyManagementResearch20o9No．2文章编号：1000—7695(2009)02—0083—02粗糙集理论在科研能力综合评价中的应用黄健，张元标(暨南大学珠海学院，广东广州519070)摘要：在科研能力综合评价中引入粗糙集理论，利用该理论充分挖掘已知数据之间的联系来确定评价指标的权重，避免人为干预所带来的主观性。实验证明，利用粗糙集理论的评价结果令人满意。关键词：粗糙集理论；科研能力综合评价；权重中图分类号：04文献标识码：A2．2属性的重要性计算公式1问题的

2、提出对于任何一个对象都有若干属性，属性的重要程度决定随着“科教兴国”战略的继续深化，国家投入科研的资了该属性在评价中所应赋予的权值，对于属性权值的确定可金越来越多，合理分配科研资金是保证国家科研实力持续发分为两大类方法：一种是主观赋权法，它需要人为地控制赋展的重要措施。而合理分配科研资金又依赖于对科研能力综权，如层次分析法；另一种是客观赋权法，它基本不需要先合科学的评价，然而随着科研成果的日催多样化，使得本来验知识和人为的干预，它从已知数据的内部联系出发，确定就具有较强模糊性的科研能力评价变得更加复杂。针对上述对象各属性对对象的重要程度，如粗

3、糙集理论评价法。有关科研能力评价问题，研究人员做出许多有益的探索和研根据粗糙集理论中关于不可分辨关系和属性的重要性表究，提出各种方法来解决，其中有曹志刚等使用的模糊综合述，属性的重要程度可用以下公式表示：评价法，浦金辉采用的综合指数法，段永瑞采用的数据包络IPoS(Q)l—l尸Ds．1，}(Q)l，．、∞，———————一L分析法，还有林森采用的复杂网络-4J。粗糙集理论是一种刻画不完整性和不确定性的数学工具，A^，r：(2z)，能有效地分析不精确、不一致、不完整等各种不完备的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭示其中为评

4、价对象的集合；尸、Q为指标的子集合，，潜在的规律j。它由波兰学者ZPawlak于1982年提出，现表示指标r对评价结果的贡献率，A，表示指标r的权重系在该理论已被广泛应用于如近似推理、决策控制、机器学习数。等领域。而正由于该理论能有效分析不精确、不一致和不完整的数据，并且可以不需先验信息，使得它的科研评价结果3实例分析更客观，更科学，也为科研能力综合评价提供一个新思路。3．1科研评价体系的建立参考文献。]，提取科研能力评价的关键指标，建立核2粗糙集理论心科研能力评价指标体系如下：2．1粗糙集理论的定义r获奖成果粗糙集理论延拓了经典的集合论，把

5、用于分类的知识嵌I基金项目入集合内，作为集合组成的一部分J。它有如下一些关键定科研能力综合评价{获得专利义：I科技著作定义1：任一信息系统都可以简略表示为一个二元组S=，其中u表示对象的非空集合；A表示属性的集某院2001年至2005年上述指标的统计结果如下表：合。表1某院2001年至2005年科研指标指数化结果定义2：设ind(B)(A)是上的一个等价关系，由它产生的等价类记为[z](B)={yl[]日)Ix∈U}，这些等价类的集合记为UIind(B)=l[](口)IxEU}，称为u上面的一个知识系统。定义3：设a∈A，若属性口不

6、影响对论域U的分类，即Ulind(A)={ind(A一{口})，则称n在该知识系统中是多余的，否则，称。是必要的。定义4：设P，s为u中的两个等价关系，IS={，X2，3．2利用粗糙集对实例进行评价⋯以}，s的P正域记为pos(s)，即pos(s)=up一(五)。若，令A，、A、A”A、A5分别表示获奖结果、基金项目、存在rep有posp(5)=pos_(，)(．s)，则称r为P中s可省的。P获得专利、科技著作和科技论文各项指标，则指标集A=一{r}为P的．s相对简化J。{A1，A2，A3，A4，A5}。收稿日期：2008-05—28．修回日

7、期：2008-08—15黄健等：粗糙集理论在科研能力综合评价中的应用由于各指标的量纲不同，为了能对数据进行比较，采用差值法对表1的数据进行处理得到以下结果：表2某院2001年至2005年科研指标标准化结果为了能用粗糙集理论对表2的数据进行计算，必须先把图1科研质控图表2的数据进行离散化处理，在这里采用等距离法对表2数由上图可以看出粗糙集方法评价的结果与用综合指数法据进行离散化，结果如下：得到的结果非常接近，但粗糙集方法较综合指数法仍有较大表3某院2001年至2005年科研指标离散化结果的优势，因为用综合指数法评价，在决定各指标权重时需要专家打

8、分，而粗糙集则不需要人为的专家打分，排除了专家打分的主观性，并且在这种情况下得到的评价结果与用综合指数法得到的结果仍非常接近。粗糙集理论能充分挖掘既得数据的内在联系