科技期刊自引是一种正常的引用行为，但是许多期刊为了提高影响因子，通过人为操纵来提高影响因子，给科技期刊质量评价带来虚假成分，严重影响了评价的客观公正性。如何有效地识别出期刊质量的真实状况是一个具有重要科学价值的问题。为此本文做了两个方面的研究，期刊的自引行为分类决策方法与期刊质量综合评估的新的评价方法，具体包括以下内容：首先，科技期刊自引分类决策方法研究。本人应用模式识别中的决策树分类方法，收集了biology学科中17种期刊2001至2010年连续十年的期刊他引和自引的年代分布数据和相关指标数据，建立了期刊自引模式的分类识别模型，软件weka完成数据的处理和模型的构建，并对这些期刊进行了等级分类评价，结果表明决策树算法对不同等级的期刊的分类还是非常理想的，十字交叉率达到91.1765%。最后，本文对JCR数据库中随机选取的biology学科中的几组期刊的数据进行分类识别，验证了该方法的有效性与可靠性。其次，科技期刊质量综合评价研究。本文运用主成分分析法与相关性分析法选取了评价期刊质量的主要指标，挖掘被引频次背后的信息，重新修正定义了学科扩散性指标，并从学科扩散性、自引行为、反应速率、老化速度四个维度构建了期刊质量评价的模型，运用层次分析法确定了各指标的权重，最后，选取了biology学科中三个影响因子接近的期刊与三个高影响因子的期刊进行了综合评价分析，验证了模型的有效性。本文的创新点包括两点：第一，首次将决策树分类算法应用到信息计量学研究，解决了期刊的自引行为的多等级的分类问题。第二，从多维度的新视角构建期刊质量评价模型并进行了实际验证，避免了期刊影响因子评价的局限性。本文的研究对于科技期刊的健康发展与学术界优良学风的维护有着非常重要的意义。