科研资助的分类预测
摘要：科研经费需求大于投入的现状以及科研资助申请仍面临着低通过率和资助申请过程繁琐复杂的问题对有效进行科研项目的申报提出了新要求。传统的评价科研项目申报的方法存在诸如缺乏对历史数据的分析利用、专家知识无积累等缺点，并且科研项目的评价指标与目标之间存在一种复杂的非线性关系，难以用确定的数学关系来描述。基于数据挖掘的分类预测的出现为解决这些非线性问题提供了技术支持，以其较强的学习能力相较传统的评价方法为评判是否给予研究资助提供了更好的选择，减少了相关学者在不太可能成功的申请上浪费的时间，有利于相关学者将自身精力投入到能够继续进行的、有发展潜力的科研项目中，对科学进行资助申请具有重要的战略意义和实际意义，同时有利于资助机构进行更加科学有效地决策。
关键词：科研资助； 分类预测； 支持向量机；决策树；神经网络
- 文献综述
选题背景与研究意义
当今世界综合国力的竞争，集中体现为科技竞争与人才竞争。而科学研究和学术研究只有获得相应力度的支持，才能得到持续的发展与进步。这自然离不开一定的科研资助。科研资助实质上是学术研究的经济支持系统。我国政府提出了建设创新型国家的重大战略决策，并计划大规模提高对科技的投入。随着高等教育事业的快速发展，高校承担的科研项目和筹集的科研经费呈现大幅度增长趋势。但科研经费的增长并不意味着满足所有的科研需求。高新科技发展的需求大大超出了政府对科学研究与开发的投入。就这样的科研现状而言，科研资助的申请显得尤为重要。
现在的科研资助申请仍面临着低通过率和资助申请过程繁琐复杂的问题。科研资助申请是一个耗时耗力的过程。我国高校科研资助申请需要由各单位组织教师填报申请书，各单位初审。初审合格后，所在单位要在规定的时间内由科研秘书，统一报送科技处，由科技处、校学术委员会审查。通过审查后，需要校领导审阅、加盖印章，再报送立项部门审查，由立项部门组织专家进行评审，最后又立项部门通知学校评审结果，科技处通知各单位及立项课题负责人，并通知立项课题，负责人签订合同或撰写计划任务书。并且，近些年着我国科研资助的申请呈现数量大幅增加，国家自然科学基金委2009年项目申请数量增加了1.8万余项，2010年增加了1.7万项，达到了11.9万余份。这为资助机构资助项目评价工作带来了不小的压力。
与此同时，而于世界范围内而言，用于研究的资助资金库正在不断缩小，2001年在美国NSF的经费投入下降2.6%，NASA下降3.6%[5]。资助经费的有限，使得科研人员不得不面临资助申请难度提升的现状。在澳大利亚，资助申请的成功率已经下降到20-25％[13]，这意味着大多数学者花费宝贵的时间进行科研项目的申请，最终被拒绝。这不仅让相关学者的时间和精力做了无用功，也不利于科技事业的发展。如何辨别资助申请是否会成功就成为了一个亟待解决的问题。
科研经费是知识生产、科技创新的基本条件和重要保障，是科研活动赖以进行的物质基础之一。宋旭璞[5]2012年对中国国家科研资助制度进行了研究，发现经费的保障的压力使得学者不得不将主要精力投入到科研资助的申请上。他表明科研资助的申请应与科研项目本身的研究价值相匹配，应该将自身的主要精力投入到科研项目的研究上，而并非一味追求科研资助申请的成功。
分类问题是数据挖掘领域中非常广泛的一部分内容，用于为事物打上特定的标签。分类技术即运用分类方法构建分类模型，根据相应的分类，将输入的数据记录映射到某个给定的类别[12]。预测资助申请是否会成功就是一个分类问题。建立分类预测模型来预测资助申请是否会成功，是否能够切实获得科研资助，能够在一定程度上解决这一现状，能够使相关学者减少在不太可能成功的申请上浪费的时间，从而有利于相关学者将自身精力投入到能够继续进行的、有发展潜力的科研项目中，对科学进行资助申请具有十分重要的战略意义和实际意义。同时这对资助机构资助的决策提供了依据。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
