模糊综合评价模型 ——确定隶属度

叮叮车不是车

17997人浏览 · 2022-07-29 00:52:58

叮叮车不是车 · 2022-07-29 00:52:58 发布

一、模糊数学

利用模糊集及其运算研究，处理模糊不确定现象和关系的数学分支学科。
模糊集和模糊综合评价

1.模糊集

“亦此亦彼”的模糊性，排中律破损造成的。

定义

设给定论域U，所谓U上的一个模糊集A是指对于任意 $x\in U$ ，都能确定一个正数 $\mu _{A}(x)\in [0,1]$ 用其表示 $x$ 属于 $A$ 的程度。映射

$x\in U\rightarrow \mu _{A}(x)\in [0,1]$

称为 $A$ 的隶属函数，函数值 $u _{A}(x)$ 称为 $x$ 对 $A$ 的隶属度

每个元素都有隶属度的集合即为模糊集，确定模糊集的关键是构造隶属函数

2.模糊集的运算

通过隶属函数完成

设模糊集A,B的隶属函数为 $u _{A}(x),u _{B}(x)$ ，则A与B的常用运算有：

包含： $A\subset B\Leftrightarrow u _{A}(x)\leq u _{B}(x)$
相等： $A= B\Leftrightarrow u _{A}(x)= u _{B}(x)$
交： $C=A\cup B\Leftrightarrow u _{C}(x)=u _{A}(x)\vee u _{B}(x)$
补： $A^{C}\Leftrightarrow u _{A^{C}}(x)=1-u _{A}(x)$
内积： $A\cdot B=\vee (A(x)\wedge B(x))$
外积： $A\otimes B=\wedge (A(x)\vee B(x))$

3.常用模糊分布

二、模糊综合评价

以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化。
首先确定被评价对象的因素集和评价集，然后再分别确定各因素的权重及其隶属度向量，获得模糊评价矩阵（一般难以取得），最终将模糊评价矩阵与因素的权向量进行模糊运算并归一化，得到综合评价结果。

1.确定评价指标和评价等级

设 $U={u_{1},u_{2},u_{3}...,u_{m}}$ 为刻画被评价对象的m种因素，即评价指标；m为评价因素的个数

$V={v_{1},v_{2},v_{3}...,v_{m}}$ 为刻画每一因素所在状态的n种评语，即为评价等级。n为评语的个数（等级

2.构造模糊综合评价矩阵

对每个评价指标 $u_{i}$ 逐一进行模糊评价。

方法

对评价指标 $u_{i}$ 给出其能被评为等级 $v_{j}$ 的隶属度 $r_{ij}$ 。 $r_{ij}$ 可理解为指标 $u_{i}$ 对于等级 $v_{j}$ 的隶属度，通常要将 $r_{ij}$ 归一化以便使用。

每一行从左向右分别代表 $u_{i}$ 对于不同评价等级（ $v_{i}$ ）的隶属度（指数），每一行相加一定等于1

（eg， $u_{1}$ 代表花色， $r_{11}$ 代表受欢迎比例， $r_{12}$ 代表一般的比例， $r_{13}$ 代表不受欢迎的比例）

3.评价指标权重的确定

引入模糊向量 $A=(a_{1},a_{2},a_{3}...,a_{n})$ 来表示各评价指标在目标中所占权重，称之为权重向量。其中 $a_{i}$ 为 $u_{i}$ 的权重。（用层次分析法得到各个指标的权重 $a_{i}$ ）

变异系数法得到权重向量A

使用前提是重要性相当

若某项指标数值差异较大（方差大），能区分开各评价对象，应该给该指标较大的权重。

➡️可以用方差定义指标的权重

定义指标的分辨能力为： $v_{i}=\frac{s_{i}}{\left | \vec{x_{i}} \right |}$ (标准差/均值)

（2）令 $v_{i}=\frac{s_{i}}{\left | \vec{x_{i}} \right |}$ ，归一化的 $v_{i}$ 为各指标的权重，即 $\omega _{i}=\frac{v_{i}}{\sum v_{i}}$

4.模糊合成与综合评价

对评价矩阵R和权向量A进行某种适当的模糊运算，将两者合成为一个模糊向 $B={b_{1},b_{2},b_{3}...,b_{n}}$ ，即B=AR，然后对B按照一定的法则进行综合分析后即可得出最终的模糊综合评价结果。

主因素突出型适用于模糊矩阵中数据相差悬殊的情形；加权平均型适用于因素很多且因素差距不大的情形

相对偏差法得到模糊矩阵R

首先模拟一个理想方案u，然后按照某种方法建立各方案与u的偏差矩阵R，再确定各评价指标的权重A，最后用A对R加权平均得到方案与u的综合距离F，根据F对方案排序。

效益型指标越高越好；成本型指标越低越好

每行代表每一个指标，每列代表每个评价集

eg：

相对优属度得到模糊矩阵R

将所有指标全部转化为效益性，得到优属度矩阵R

GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m