高校一直处于科技发展的前沿,它的科研水平和科研规模是反映其综合实力的重要指标。对高校科研绩效进行评价可以优化资金分配,调整科技计划和研究机构的方向,提高高校的管理水平和科学研究的效率,对学校的科研发展方向产生直接影响,同时对学校的发展也具有一定的导向作用。在此背景下,对科研绩效进行评价的理论与方法已成为当前的研究热点,目前高校科研绩效评价大多采用线性权重法,其出发点是追求产出最大化,在政府不断加大科研投入的同时,努力使有限的投入发挥最大的效益,而没有考虑到效率问题。本文研究了高校科研绩效评价的现状,通过对高校科研绩效内涵的分析,本着科学合理的原则,设计了高校科研绩效评价指标体系；通过对各种常用评价模型和评价方法优缺点的分析,提出了基于主成分RBF(Radial Basis Function,简称RBF,即径向基函数)神经网络的高校科研绩效评价方法。该方法主要针对指标众多的指标体系,可以在保留大量指标的基础上,应用RBF神经网络完成评价工作；并且在完成评价工作的基础上,本文避免了常见的对评价结果进行直接排名的方式,采用了基于聚类分析的分组方式,将各个高校按照其结果差异性的大小分到不同的组内,其中各组内的成员差异性较小,组间成员的差异性较显著,从而避免了绝对排名带来的危害,降低了名次给各高校带来的困扰。最后,在上述理论研究的基础之上,设计完成了高校科研绩效评价系统,实现了各种功能需求,并通过部分具有代表性的高校科研绩效数据,进行了评价方法的实证分析,得到了高校科研综合效率的统一排序,最终验证了评价方法的正确性和可行性。