郭鑫

（中國電力科學研究院有限公司，北京100192）

1 引言

隨著科研改革的不斷推進，在進行科研項目評估過程中需要進行科研信用的優(yōu)化評價，構(gòu)建科研信用評價的大數(shù)據(jù)信息挖掘模型，采用統(tǒng)計信息分析和大數(shù)據(jù)挖掘方法，進行科研信用評價的優(yōu)化模型構(gòu)造，提高科研信用評價的體系完整性，通過科研信用評價體系的構(gòu)造和完善，建立科研信用評價的模糊信息挖掘和信息聚類模型，通過建立科研信用評價的統(tǒng)計分析模型，結(jié)合主成分分析方法，提高科研信用評價的大數(shù)據(jù)分析能力，相關(guān)的科研信用評價模型構(gòu)造方法研究受到人們的極大關(guān)注[1]。

對于國內(nèi)科研信用評價指標體系的構(gòu)成進行了初步的研究，認為評價科研活動執(zhí)行者信用的指標包括：科研人員在科研活動中表現(xiàn)出的品德、性格、行為作風、科研能力和管理能力。而國外對于科研信用評價的主要研究集中在科研成果的績效評估方面，對科研信用的評價是建立在對科研信用評價的多元評價指標體系基礎(chǔ)上，通過建立科研信用評價的指標評估模型，進行科研信用評價和優(yōu)化挖掘，提高科研信用評價的自適應(yīng)性[2]。傳統(tǒng)方法中，對科研信用評價的方法主要有統(tǒng)計分析方法、面板數(shù)據(jù)分析方法、大數(shù)據(jù)融合調(diào)度方法等[3-7]，建立科研信用評價的大數(shù)據(jù)檢測模型，通過指標體系構(gòu)造，進行科研信用評價，但傳統(tǒng)方法進行科研信用評價的自適應(yīng)性不好，評價的可靠度不高。

針對上述問題，本文提出基于層次分析法的科研信用評價模型。

2 科研信用評價的大數(shù)據(jù)挖掘和特征提取

2.1 科研信用評價的大數(shù)據(jù)信息挖掘

為了實現(xiàn)科研信用評價優(yōu)化，采用空間分布式信息重構(gòu)方法進行科研信用評價的模糊特征重組，建立科研信用評價的大數(shù)據(jù)信息挖掘模型[8]。首先確定科研信用多元評價指標評價任務(wù)集合為p(n1)={pk|prkj=1，k=1，2，…，m}，采用統(tǒng)計分析方法，進行科研信用評價的適應(yīng)度特征分析，得到科研信用多元評價指標調(diào)度集為：

其中1-α表示信息采集和大數(shù)據(jù)挖掘的特征集；P(ni-2)表示科研信用評價的信息挖掘參數(shù)。根據(jù)模板參數(shù)分布式重組的方法，得到科研信用評價的優(yōu)化參數(shù)分布集為：

其中，c1和c2為常數(shù)。若skS表示科研信用評價的關(guān)聯(lián)規(guī)則集，RTTs(pi，nj)表示科研信用多元評價的信息融合系數(shù)。根據(jù)科研信用加權(quán)分析法，得到科研信用評價的過程尋優(yōu)函數(shù)為：

根據(jù)上述分析，pi表示結(jié)合模糊信息重構(gòu)方法進行科研信用評價的自適應(yīng)尋優(yōu)參量，Tkpi表示實現(xiàn)對科研信用多元評價指標。根據(jù)大數(shù)據(jù)分析能力建立科研信用多元評價指標評估的擬合式為：

其中，Xmax，Xmin分別表示科研信用多元評價的最大評估閾值和最小閾值。

根據(jù)上式，結(jié)合定量回歸分析方法進行科研信用評價的模糊度參數(shù)融合，令，得到科研信用多元評價的參數(shù)分布特征集滿足i I。在此基礎(chǔ)上，結(jié)合優(yōu)先級屬性調(diào)度法的方法，進行科研信用評價的過程尋優(yōu)控制，得到科研信用評價的大數(shù)據(jù)挖掘模型為：

其中Rk(pi-xi)表示科研信用評價屬性調(diào)度值；Rk(pd-xd)表示科研信用評價的大數(shù)據(jù)挖掘特征系數(shù)；結(jié)合關(guān)聯(lián)挖掘方法，進行科研信用多元評價的信息挖掘和特征提取。

2.2 科研信用評價的大數(shù)據(jù)信息特征提取

在上述科研信用評價的大數(shù)據(jù)挖掘模型基礎(chǔ)上，結(jié)合關(guān)聯(lián)挖掘方法，進行科研信用多元評價的信息挖掘和特征提取。首先設(shè)科研信用評價的尺度{Ak}，在科研信用評價的大數(shù)據(jù)挖掘模型下，得到科研信用多元評價的效益度函數(shù)為，通過有：

根據(jù)上述，多元回歸分析方法，基于構(gòu)建科研信用多元評價的關(guān)聯(lián)規(guī)則集，得到關(guān)聯(lián)特征分布為：

其中，Xj(t)為第t次迭代后科研信用評價的自適應(yīng)參數(shù)，t+1 表示約束變量的先驗分布尺度，根據(jù)科研信息的空間分布式信息重構(gòu)方法，得到科研信用多元評價的擬合模型為：

其中，n(t)科研信用多元評價指標的分布維數(shù)，si(t)表示參數(shù)，根據(jù)科研信用多元評價指標提取值，得到科研信息挖掘模型得到模糊隸屬度函數(shù)為：

3 科研信息評價模型優(yōu)化

3.1 科研信用信息調(diào)度和特征分析

在上述獲得的信息挖掘與特征提取結(jié)果的基礎(chǔ)上，進行科研信用評價的均衡配置和線性規(guī)劃設(shè)計，實現(xiàn)科研信用評價的層次化分析和特征重建。采用層次分析方法，求得科研信用評價的優(yōu)化參數(shù)分布模型，對訓(xùn)練樣本和測試集的特征重組，得到重組后的評價層次為k，構(gòu)建科研信用特征分解模型為：

其中，f0表示模糊度信息融合特征集，t0-t表示建立信息評價的統(tǒng)計時間。根據(jù)參數(shù)評價的標準集合X，采用本體模型構(gòu)造的方法，得到科研信用分布的主特征量滿足：

其中xt-1表示在模糊信息的融合序列，ut-1表示建立科研信用評價的參數(shù)?；诳蒲行庞觅|(zhì)量的評價，信任度函數(shù)為：

式中，b(a，c)表示科研信用評價的層次分析適應(yīng)度參數(shù)，βd表示建立綜合評價模糊度函數(shù)，結(jié)合樣本回歸分析方法，進行科研信用度推薦、信息調(diào)度、評價及特征分析[10]。

3.2 基于層次分析的科研信用評價模型優(yōu)化

根據(jù)自適應(yīng)加權(quán)分析方法，進行科研信用的層次化構(gòu)造，建立科研信用評價的層次分析模型，得到層次分布特征量，對特征量進行信息加權(quán)，得到科研信用質(zhì)量評價的誤差分布函數(shù)為：

其中n=1 表示建立形態(tài)信號的峰值，采用主成分分析方法，得到科研信用質(zhì)量評價的優(yōu)化控制特征量為：

其中maxj=1tij表示初始的評價質(zhì)量等級進行特征分解，maxi=1tij表示通過綜合評價參數(shù)，得到輸出的評價指標分布集n=0，D-1=∞，構(gòu)建科研信用質(zhì)量評價的狀態(tài)尋優(yōu)函數(shù)為：

其中，(1-d)為滿意度水平；ui，vj表示收斂性判斷的頻率增量。采用二乘規(guī)劃模型進行科研信用評價的大數(shù)據(jù)調(diào)度和模糊空間信息融合，結(jié)合資源優(yōu)化調(diào)度方法，實現(xiàn)評價優(yōu)化，優(yōu)化的目標函數(shù)為：

4 仿真實驗與結(jié)果分析

為了驗證本文方法在實現(xiàn)科研信用評價中的應(yīng)用性能，進行仿真測試，根據(jù)若干國家自然科學基金的科研信用評價指標將科研信用質(zhì)量評價的置信度水平設(shè)定為0．992，標準方差設(shè)定為0．036，再在大數(shù)據(jù)科研分析平臺上截取信息長度為204 的數(shù)據(jù)信息，根據(jù)上述參數(shù)設(shè)定，進行科研信用評價，得到本文方法和統(tǒng)計分析法進行信用評價的目標函數(shù)值如圖1所示。

分析圖1得知，本文方法函數(shù)曲線比統(tǒng)計分析法曲線更接近標準收斂曲線，提高了評價的過程收斂性，由此可知本文方法能有效實現(xiàn)科研信用評價，其目標函數(shù)的優(yōu)化性較好，測試不同的函數(shù)控制下的優(yōu)化值，得到結(jié)果見表1。

表1 科研信用評價的性能測試

圖1 優(yōu)化的目標函數(shù)收斂曲線

分析表1得知，本文方法所得結(jié)果最接近評價指標設(shè)定的標準方差，由此可知本文方法進行科研信用評價的優(yōu)化性能較好。

5 結(jié)束語

本文建立科研信用評價的模糊信息挖掘和信息聚類模型，通過建立科研信用評價的統(tǒng)計分析模型，結(jié)合主成分分析方法，提高科研信用評價的大數(shù)據(jù)分析能力，提出基于層次分析法的科研信用評價模型。采用空間分布式信息重構(gòu)方法進行科研信用評價的模糊特征重組，結(jié)合模糊信息重構(gòu)方法進行科研信用評價的特征提取和自適應(yīng)尋優(yōu)，采用多元回歸分析方法構(gòu)建科研信用多元評價的關(guān)聯(lián)規(guī)則集，結(jié)合模糊度信息融合的方法，建立信息評價的統(tǒng)計時間分布序列，建立科研信用評價的層次分析模型，實現(xiàn)科研信用評價優(yōu)化。分析得知，本文方法進行科研信用評價的自適應(yīng)性較好，評價的精度較高，適應(yīng)度水平較好。