随着社会科技的发展，越来越多的教师在参与教学工作的基础上也参与到学校的科研工作，以科研实践促进教学工作的进步。如今教师逐渐成为科研活动的主要力量之一，而科研活动的强弱也已成为衡量高校整体实力的一种标志。因此，如何正确的评价教师科研能力已经成为当前高校面临的一个重大问题。本文主要工作如下：（1）概述了当前国内外学者对教师科研能力评价模型的相关研究，阐述了建立模型所使用的相关技术方法，并总结已有模型存在的不足，在此基础上提出了本文建立模型所使用的主要技术方法。（2）论述了本文建立评价模型所用到的理论方法，主要包括邻域粗糙集理论和BP神经网络理论和算法、支持向量机理论和粒子群优化算法等。（3）依据建立的科研评价指标体系采集对应的科研数据作为初始样本，并对初始样本进行数据预处理，处理后的数据分别作为BP网络和SVM算法的输入，依次建立教师科研能力评价模型。对两种模型在预测准确率和预测误差指标上进行对比分析，阐述BP算法和SVM算法在评价模型应用上的优劣，为本文选择SVM算法建立科研能力评价模型奠定基础。（4）针对评价体系的多指标问题，本文提出使用邻域粗糙集属性约简方法对评价指标进行属性约简，降低评价指标维度，提高支持向量机算法的效率和模型的建立速度；针对支持向量机参数的选择问题，本文提出使用粒子群优化支持向量机算法，迭代搜寻影响支持向量机性能的参数，进一步优化建立的评价模型，提高模型预测的准确率。（5）概述了科研管理信息平台的开发背景、设计架构、系统开发环境和相关技术等，开发实现模型评价功能，并展示了科研评价功能在系统中的部分运行结果。随着高校信息化的发展，对教师科研能力的评价越来越重要，本文提出的基于邻域粗糙集和粒子群优化支持向量机方法，提高了教师科研能力评价模型的训练速度和预测准确率，为评价模型的应用提供一定的科学依据。