基于集成权重和贝叶斯模型的科技奖励评价-王瑛.pdf
《基于集成权重和贝叶斯模型的科技奖励评价-王瑛.pdf》由会员分享,可在线阅读,更多相关《基于集成权重和贝叶斯模型的科技奖励评价-王瑛.pdf(6页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、第4 3卷 第7期 湖南大学学报(自然科学版) V0143,No72 0 1 6年7月 Journal of Hunan University(Natural Sciences) Jul2 0 1 6文章编号:16742974(2016)07015106基于集成权重和贝叶斯模型的科技奖励评价王 瑛+,李 菲(湖南大学金融与统计学院,湖南长沙410079)摘 要:采用聚类分析法将多专家的动态综合评价转换为静态综合评价;引入横向拉开档次法对各指标客观赋权,结合指标主观权重,运用数学规划法得到指标的集成权重;采用贝叶斯网络模型对24项科技成果进行分类评价,对每一项成果获得某一等级奖项的可能性给出测度
2、,并对每一类内的项目排序实证分析表明:我国科研成果大部分具有研究价值,且成果丰硕,但突破性、创造性的研究成果较少关键词:贝叶斯网络;集成权重;拉开档次法;聚类分析法中图分类号:G311 文献标识码:A乜valuatlon O士3clenca1 1 r一on Integratedand Technological Achievements BasedWeight and Bayesian NetworkWANG Ying+,LI Fei(College of Finance and Statistics,Hunan UnivChangsha。Hunan 410079,China)Abstract
3、:The clustering analysis method is used to transform the dynamic comprehensive evaluation ofmultiple experts into the static comprehensive evaluation problemsThe scatter degree method is adoptedto determine the weight of each index obj ectively,combined with the SUbjective weight,and the mathematica
4、l programming method is used for the index integrationFinally,Bayesian networks model is used tomake a classification evaluation of 24 scientific and technological achievements,and give the probabilitymeasurement of each scientific and technological achievements awarded to a certain place and rank w
5、ithineach levelThe empirical research suggests that most of Chinese scientific researches have achieved thefruitful results with high research values while lack of creativity and breakthroughsKey words:Bayesian networks;integrated weight;scatter degree method;clustering analysis与2013年、2012年相比,2014年度
6、国家科学技术奖授奖项目明显减少对此,国家科技部奖励办表示,优化奖励结构、减少奖励数量,是为了突出鼓励自主创新成果和重大的发明创造科技成果科技成果的评价作为科技奖励的前期工作,对科技奖励的最终决策有着举足轻重的作用,也是保证真正的重大创新项目获得应有奖励、鼓励科研人员进一步有所突破的关键目前,学者们对科技奖励综合评价体系的研究做了大量工作,部分研究成果已经投入实际应用* 收稿日期:2015-1129基金项目:国家自然科学基金资助项目(71340003),NationalNatural Science Foundation ofChina(71340003);国家社会科学基金资助项目(14BTJ0
7、03)作者简介:王瑛(1964一),女,湖南汉寿人,湖南大学副教授十通讯联系人,Email:wangyin931106163com万方数据152 湖南大学学报(自然科学版) 2016焦张立军等1 3构建了基于路径系数权重体系的科技奖励评价模型王瑛等r2-31提出了基于模糊多属性投影法的科技奖励模型和EBP神经网络的科技奖励评价模型黄卫春等4提出了一种基于云模型的科技奖励评审模型,利用云模型描述项目评分在各属性下的分布情况,通过计算云模型参数来确定云模型数字特征图或云滴分布情况,并以此确定评价等级王瑛、蒋晓东等51提出了改进CRITIC法和云模型的科技奖励评价模型,既考虑评价过程中专家评分的模糊
8、性和随机性,又考虑了定性语言与定量语言之间的转换王瑛、王娜等63提出了基于随机森林赋权和改进的ELECTRE_方法的科技奖励评价方法,既提高了权重估计的精确度和可信度,又解决了难以给定门槛值和不能完全排序的问题朱紫巍等口1针对国内外科技评价方法,进行比较分析,提出了改革我国科技评价方法的建议针对科技奖励评价涉及多专家、多项目、多指标的特点,此前,学界的研究主要集中在评价指标的客观赋权法与主观赋权法的单方面研究,没有将这两方面有机结合起来;在评价方法上主要集中在数理统计和人工智能等方面,但对于评价结果的可靠性没有给出科学的测度对此,本文提出一种集成权重的方法对科技奖励的评价指标进行综合赋权;应用
9、概率论中的贝叶斯网络模型进行科技奖励综合评价,该方法不仅可实现对科技成果的分类评价,而且可对每一项科技成果获得某一等级奖项的可能性给出概率测度,并在分类评价的基础上,对每一类内的项目进行排序1集成权重的理论评价指标权重的确定可分为主观赋权法和客观赋权法,两者各有千秋8本文采用一种主、客观权重集成的方法,计算各评价指标的综合权重,该方法既能满足决策者的主观偏好,又能实现决策的客观性、真实性11 基于聚类分析的专家权重理论聚类分析方法是一种作为模式识别的分类方法,它常常被用来判断样品质量的好坏把评审专家的个体排序向量看作是待识别的样品,对其进行聚类分析并判别其客观可信性,再根据聚类结果给专家赋权J
10、动态专家赋权坚持的是简单多数的基本原则,即一个评审结果体现的是整个专家群体的综合意见因此,一个专家的个人评审意见和大多数专家的评审结果的吻合程度决定了该专家在整个综合评价中所占的分量如果他的评价结果与大多数专家的结论基本一致,就可以给这一类专家赋以较大的权重;反之,其意见就值得怀疑,可以给这一类专家赋以较小的权重通过聚类分析,可以将个体排序向量划分成不同的类别,即将愚个评审专家分成5类(s志),假设第类(zs)内包含9。个个体排序向量,那么,第愚位专家的权重叼。应该和他所在的类别中包含的专家人数成正比,其具体计算公式为:班一袁n囊_12,朋 (1)对讯进行归一化处理,即可得到基于聚类分析的动态
11、专家权重:A一,k一1,2,仇 (2)啦!2拉开档次法的指标赋权理论拉开档次法就是在使得各被评价对象之间的整体差异尽量拉大的条件下确定评价指标权重的方法1 0|对于静态综合评价问题,一般解决办法是取线性综合评价函数:Yi一(cJlzil+(cJ2zi2+c,。z妇=哟z4J=1(3)式中:哟为评价指标权重评价结果的差异可以用d2一(弘一歹)2来表示,为计算方便,对原始数据进行标准化处理,则弘 。有歹=兰=o此时,仃2一(yi一歹)2一 竹芑=yf一(zi)2,进一步用矩阵表示为:i=1 i=1 j一1仃2=YTY一(XW)1XW=WTXTXW=WT删(4)式中:b,yI此Ly。:W一1叫2:叫
12、”;HrX;万方数据第7期 王瑛等:基于集成权重和贝叶斯模型的科技奖励评价 153X一当指标权重矩阵W为对称矩阵H的最大特征值对应的特征向量时,仃2取最大值n此时权重系数W最大可能地体现了各评价对象间的差异13基于数学规划法的集成权重理论本文应用数学规划法在非线性约束条件下,求解线性目标函数的极值问题该方法在科技奖励综合评价中的具体应用如下设主、客观权重向量分别为。一(cc,:,叫:,叫:)T和J=W=(0,五,蠢)T,其中:和cc,:分别表示指标的主、客观权重,且满足:西=1, 芦i西一1设集成权重向量为一(,叫:,互叫。)T,其中哟表示指标的集成权重,且满足J一1=1令呐=伽:+J9:(=
13、1,2,m),a和卢分别表示决策者对主、客观权重的信任程度在此基础上,考虑所有方案的综合评价目标值越大越好,建立如下最优化模型12:max F=哟cc,=(口:+卢叫:),i=1=1 i一1 J=Ist口2+酽=1,b,霹0(5)解得:z。叫:口=_=i=1=j=l=二, (6)(刖;)2+(删:)2(7)为了使权重向量国一(z,2,。)满足0哟1且哟=1,对口,卢归一化处理,得:i一1z。cc,:口一1L,(8z。(4+西)z。;卢。=百L一,(9)zi(0+)酊=口。+p西 (10)由式(10)即可求得评价指标的集成权重2贝叶斯网络模型的理论贝叶斯定义的样本空间为Q1 3|,A c Q,B
14、。(i=1,2,5)为Q的一个有限划分,且P(Bi)0,当P(A)0时,则有P(Bi A):;垡鲨坠L墨L (11):P(B。)P(A B。)五式中:P(A B;)为条件概率;P(Bi)为事件Bi的概率结合科技奖励评价的特点,B。为科技奖励的等级集,元素y一表示第歹个指标在第i等级时的标准值;A表示科技奖励的指标集,元素X业表示第是项科技成果的第歹个指标的实际值;i为标准级别,i=1,2,s;歹为指标,=1,2,仇;七为科技成果编号,愚一1,2,咒据此式(11)可改写为:P(y直l z业)一车亟鲨堕且止(12)P(蛳)P(孙I YJi)i=1算法步骤如下:1)计算P(yi)在没有任何信息的条件
15、下,某项科技成果究竟属于哪一等级,这在许多应用中难以确定结合科技奖励的特点,在没有获取科技成果相关信息的情况下,人们最能接受的是获得某等级奖励的概率相等,即取:P(yj,)一P(yjz):一1P(yj,)=三j2)计算P(x正I Y)现有研究成果表明,P(x止Y丘)的估计是贝叶斯网络模型的核心本文从抽样误差角度1 4 3估计P(x业l Y直)根据统计理论,当科技成果属于i类时,由于抽样缘故获得的样本指标值和总体指标值总是存在一定的抽样误差,其分布可用正态分布表示基于以上考虑,将抽样误差正态分布原理用于估计P(x业l Y一)以科技成果评价指标J各等级标准值作为正态分布的均值口,基于口i和标准差盯
16、j获得某一等级某一指标完整的正态分布万方数据154 湖南大学学报(自然科学版)Y,ZJ 7。口,一立rL,。S(13)(14)(15)式中:q,oj和CJ分别为指标J各等级的均值、标准差和变异系数由式(13)(15)计算变异系数Cj,C,表示指标J在各类之间相对变化情况而某类指标歹抽样值的相对变化亦与之类似,因此采用C,iCi,即以各类等级变异系数估计某一类指标抽样值的变异系数基于抽样误差正态分布原理估计P(x业l Y)的计算步骤归纳如下m:由式(13)(15)估计CJi,并采用CiCi;将第i类指标歹的标准值Y止作为该类指标均值;计算第i类的标准差盯,一C,y五;将抽样值(检测值)标准化,t
17、*一塑二盟; (16)6 lt以标准化正态分布计算P(x社J Y,)一2(1一(1 t业J), (17)式中似l tjk|)一Etjk去e畸如用标准正态分布函数求取,I t业l为t计的绝对值3)由式(12)计算P(yI z业)4)多指标下(叫,为指标权重)科技成果评价后验概率P。的计算P:一cojP(yI z业) (18)J=15)以最大概率原则决策最终的级别P。P一maxP。 (19)6)以分类结果为基础,在每一类内根据概率大小进行排序3 实证分析奖项的5个评价指标是:技术创新程度、技术经济指标的先进程度、技术创新对提高市场竞争能力的作用、已获经济效益、推动科技进步的作用国家科技奖励办赋予5
18、个评价指标的权重161为:一(02,02,02,025,015),将该权重作为评价指标的主观权重具体步骤如下步骤1基于聚类分析法的专家权重的计算运用SPSSl90对原始数据进行聚类分析,将25位专家分为5类,即:第一类包含10,16号2位专家;第二类包含1,2,4,12,15号5位专家;第三类包含3,6,8,9,14,25号6位专家;第四类包含5,7,11,13,18,19,20,21,22,23,24号11位专家;第五类:含17号1位专家由式(1)(2)计算专家权重,结果见表1表1 基于聚类分析的专家动态权重Tab1 Experts dynamic weights basedoil clus
19、tering analysis专家 专家权重 专家 专家权重 专家 专家权重1 0027 10 0012 18 00592 0027 11 0059 1 9 00593 003l 12 0027 20 00594 0027 13 0059 21 00595 0059 14 0031 22 00596 0031 15 0027 23 00597 0059 16 0012 24 00598 0031 1 7 0006 25 00319 0031步骤2计算指标的集成权重由表1求得的专家动态权重,采用简单线性加权法,计算25位专家对每个项目的5个评价指标评分的加权平均值,计算结果见表2表2 25位专家
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 集成 权重 贝叶斯 模型 科技 奖励 评价 王瑛
限制150内