基于支持向量機的重大科技項目立項依據評估研究

呂波，楊志軍，裴大茗

基于支持向量機的重大科技項目立項依據評估研究

呂波，楊志軍，裴大茗

支持向量機作為一種機器學習算法，具有出色的學習性能，尤其在小樣本識別方面具有獨特的優勢。重大科技項目的立項依據評估是科研管理中非常重要的一個環節，如何準確、客觀和有效的刷選出科技項目是一個值得研究的問題。基于重大科技項目具有備選項目少、立項精的特點，建立了重大科技項目立項依據評估的指標體系，提出了基于支持向量機的立項依據評估模型，案例表明該模型能夠很好地篩選出優秀的重大科技項目。

重大科研項目；支持向量機；立項依據評估

一、引言

重大科技項目作為國家科學研究計劃的重要組成部分，體現著國家科技發展的長遠意圖，因此，重大科技項目的立項評估任務重大。客觀和公正的立項評估可以保證選拔出最符合條件的優秀項目給予資助，從而提高科研經費的使用效率。相關方面的研究歷來是項目管理部門和科研人員不斷探索的課題［1］。目前的科研項目立項評估主要依賴同行專家評議和綜合處理，前者是以定性判斷為主，后者主要是定量分析。由于重大科技項目具有超前性、探索性、隱含性和不可預知性，評估專家對評估標準和研究內容不一定完全一致，從而造成評估工作的失效率增加。為了提高立項評估的科學性和客觀性，探索和創新立項評估的方法體系是一項頗具意義的課題。著名的評價大師科隆巴赫在對比評價和科學的差別時，就認為前者更具有藝術成分，每一項評價只有經過反復調試，才能適合項目決策者的需求。為了探索項目評估的本質，劉炳勝和王雪青（2007）基于東方系統論思想，提出了項目評估決策的概念模型和項目評估的全過程模型［2］。從國內外相關的研究結論來看，科技項目的立項評估主要還是以人的需求為尺度，主觀因素無法排除，而且注定是評估的核心。

由于主觀因素無法排除，重大科技項目的立項評估就需要在評估流程或者評估方法上創新。從目前重大科技項目的立項評估實踐來看，立項評估這一環節是作為一個整體來進行實施的。雖然立項依據是項目能否通過的重要衡量因素，但并沒有放在突出的地位，其結果是導致了一些不具有前瞻性和創新性的項目立項，這些項目在正式啟動后不能達到預期的效果。因此，考慮到重大科技項目的特殊性、長遠性和影響力，從評估流程上來看，有必要把立項依據的評估單獨作為一個環節進行分析。立項依據評估作為立項評估的初評程序，是為了保證立項工作的科學性和客觀性。對那些不能通過立項依據評估的科研項目則直接剔除，無需進行后續的評估。基于此，本文綜合考慮科技項目的立項評估實踐和重大科技項目的實際情況，構建了重大科技項目立項依據評估的指標體系，并分析了支持向量機在立項依據評估中的應用，最后給出一個具體的案例。

二、重大科技項目的立項依據評估指標體系

重大科技項目的立項依據評估仍然需要采用定性和定量綜合的方法。在評估的過程中，首先需要同行專家依據事先設定的評估指標進行綜合評定。從以往的研究來看，針對科研項目立項評估指標的研究比較多，立項依據的評估指標沒有單獨的研究，僅僅是包含在立項評估指標之中。一般來說，任何項目的執行都存在從立項到執行再到項目結束三個時間段，有的科技項目甚至包括跟蹤評價的階段。科技項目的不同執行階段應該采取不同的評價目的和評價標準［3］。

為了做好科技項目的評估工作，還需要對項目進行正確的分類、明確評估的目的以及評估主體的準確定位。重大科技項目的立項依據評估屬于項目執行的第一個階段，其目的是為了篩選對國民經濟有重大推動作用的科技項目，其評估標準的關鍵是評估指標是否能夠反映評估項目的意義。在參考前人針對項目立項評估指標研究的基礎上，本文設置了表1所列的重大科研項目立項依據評估指標體系［4］［5］。

表1 科研項目立項依據評估指標體系

三、重大科技項目的立項依據評估模型

為了保證重大科技項目立項依據評估的客觀性和公正性，就需要選擇合適的評估方法。有關定量評估的方法較多，例如層次分析方法、數據包絡分析等。但是，由于重大科技項目的立項依據評估局限在特定的領域，而且依靠的樣本比較少，這就使得擬合最佳的建模方法反而效果不好［6］。20世紀90年代中期發展起來的支持向量機方法能夠在樣本量較少的情況下獲得良好的統計規律。因此，本文選擇支持向量機做為科研項目立項依據評估的方法［7］。

重大科研項目的評估實際上是一個分類的過程，就是把好的科研項目從評估樣本中篩選出來。為了實現分類的目的，假設把全部參與評估的科研項目看做n維實空間中的點，評估的目的就是希望把這些點通過一個n-1維的超平面分開，而且最好是使得屬于兩個不同類的數據點間隔最大。重大科研項目的立項依據評估依賴不同的具體指標，其分類問題具有高度的非線性，支持向量機通過事先選擇的非線性映射（核函數）將輸入向量映射到一個高維特征空間，在這個空間中構造出最優分類超平面，如圖1所示。

圖1 輸入空間與高維空間映射圖

在上圖中，輸入空間代表的是要評估的重大科研項目，而高維特征空間則是轉換后的科研項目狀態空間，從而就可以實現對訓練數據的超平面分割，避免在原輸入空間中進行非線性的曲面分割計算［8］。為了在高維空間進行超平面分割，需要進行內積運算。根據泛函數的有關理論，通過引入核函數將問題從原始空間嵌入到特征空間，從而轉換為特征空間中的線性可分問題。

四、案例分析

為了分析問題的方便，本案例假設重大科研項目的立項依據評估分為兩個類別：一是通過級，二是取消級。筆者選擇了21個樣本數據作為訓練樣本集。樣本數據是根據指標體系中4個評價因子對每個項目的立項依據進行評分，每個評價因子的得分范圍是［0，10］，分為三個等級：較差［0,5］，良好［6,7］，優秀［8,10］，并將最終評價結果轉化為：-1（較差,0-5）、0（良好,6-7）以及 1（優秀,8-10），這樣就得到相應的21組樣本數據。如表1所示，通過立項依據評估的科研項目（“1”類樣本）和沒有通過立項依據評估的科研項目（“2”類樣本），作為評估用的訓練樣本集［9］。

表2 科研項目的評審結果表

上述指標體系可以用數學形式描述為：X為輸入指標集，X=(x1,x2,…,x4)，Y為輸出指標，是X所對應的分類結果。用表2所列參數張成四維空間，將“1”和“2”兩類點記入其中。首先經過模式識別計算，發現在四維空間中這兩類點可以用兩個超平面分開。為了提高支持向量機方法的評估能力，我們把沒有通過評估的樣本分為兩組，分別與通過評估的樣本對比。根據支持向量機程序優選結果取調節參數C＝10，C是設定的懲罰因子值，取核函數為五階多項式。兩組數據計算所得支持向量及b值如表3和表4所示，b值是回歸方程中的常數項［10］。

表3 第一組樣本集計算結果（b=1.2197）

表4 第二組樣本集計算結果（b=0.8021）

根據表3和表4所列的數據構造支持向量機評估模式，經過兩次評估判斷為通過的就可以進入下一輪的立項評估，所構造的評估網絡如圖2所示。應用以上方法對訓練樣本的立項依據評估進行檢驗，支持向量機算法對取消樣本全部判斷正確，顯示了優良的分類效果。

圖2 立項依據評估判斷圖

五、結論

重大科技項目具有超前性、探索性、隱含性和不可預知性的特點，而同行專家對重大科技項目的評估標準和研究內容不可能達到完全一致，這就造成重大科技項目的立項評估工作存在誤差，其結果可能會導致不符合條件的項目立項。因此，需要創新重大科技項目的立項評估程序和方法，以提高立項評估工作的客觀性和公正性。本文根據立項評估中輕視立項依據評估的現實，基于文獻總結和評估實踐，構建了重大科技項目立項依據評估的指標體系，分析了支持向量機在立項依據評估中的應用。具體的案例分析表明，在重大科技項目的立項依據評估中，支持向量機方法能夠很好地區分“通過”和“取消”的科研項目。最后需要指出的是，本文為了分析問題的方便，把科技項目的立項評估分為“通過”和“取消”兩個級別，在實際的立項評估工作中，評估的級別可能會有三類：“通過”、“討論”和“取消”，這可以通過設計三個兩類分類器就可以完成評估工作。

[1]肖人毅,王長銳.科研基金項目立項評估方法的研究與改進[J].系統工程理論與實踐,2004(5).

[2]劉炳勝,王學青,李金海.東方系統方法論指導項目評價實踐：科學性和藝術性的結合[J].管理學報,2007(4).

[3]楊列勛.研究與開發項目評估與應用[M].北京:科學出版社,2002.

[4]劉希宋,李玥,喻登科.基于多視角的國防工業科技成果價值評估研究[J].科學學與科學技術管理,2007(10).

[5]傅毓維,邵爭艷,谷德斌.基于人工神經網絡的國防科技工業項目評價方法研究[J].技術經濟,2003(5).

C913

A

1673-1999（2011）02-0086-03

呂波（1974-），男，山東泰安人，中國船舶工業綜合技術經濟研究院（北京100081）高級工程師，研究方向為項目管理、科技政策；楊志軍（1967-），男，吉林長春人，中國船舶工業綜合技術經濟研究院研究員；裵大茗（1976-），男，安徽巢湖人，工程師。

2010-10-27