高校科研团队的综合实力是评价高校的学术研究水平和创新能力的重要指标,并且其还对国家的科技发展有着至关重要的影响。当下,国内外针对高校科研团队评价的现有方式往往聚焦于高校科研团队的现有成果,而忽略了影响高校科研团队发展进步的学术竞争力以及影响学术竞争力的环境。并且高校科研团队在对综合实力的评价过程中,过程复杂,因素众多,并非简单的线性关系。当前的评价方法多为多指标混合评估,但是在评价指标权重分配方面会出现一定困难与阻碍,因而高校的科研团队综合实力评价通常会出现准确性低,评价不够客观等不可忽略的现象。为了提高高校科研团队综合实力评价结果的准确性,在分析影响高校科研团队综合实力因素的基础上,利用神经网络理论建立高校科研团队评价的数学模型,旨在提高科研评价过程的科学性和精确性,为高校科研团队综合实力评价提供较为科学系统全面的依据。本文的主要成果为以下三个方面:1、本文研究分析了高校科研团队评价的现状,通过对高校科研评价内涵与存在的主要问题的分析,本着科学合理的原则,提出了一种既包含学术竞争力诸如学术影响力、产学研能力、团队成长能力、学科融合能力等指标,又包括学术环境诸如团队领导、成员结构、成员竞争、激励机制等指标的综合评价体系。2、本文引入了SOM神经网络算法,并对传统的SOM神经网络算法学习率以及邻域函数进行了一定改进,基于其出色的学习分类能力,建立基于SOM神经网络的高校科研团队综合实力评价模型,结合Matlab软件进行仿真实验,对其改进前后分类效果进行对比。结果表明,改进后SOM神经网络学习速度有所提升,分类评价准确率比较高,但该方法依然存在一定的局限性。3、由于SOM神经网络训练时在样本数据较少时受输入顺序的影响较大,这会导致出现局部优化的现象,其评价分类效果具有一定的局限性。因此本文引入了粒子群优化算法,并对其算法流程与结构进行一定介绍,通过粒子群优化算法与改进SOM神经网络算法的结合,即通过改进SOM神经网络对数据样本进行训练测试来获得较优的权值,然后将获得的权值对PSO进行初始化,这再次显著提高了评价分类效果。