数学建模数据处理方法要点.pptVIP

信息工程大学 韩中庚 一般情况下，在综合评价指标中，各指标值可能属于不同类型、不同单位或不同数量级，从而使得各指标之间存在着不可公度性，给综合评价带来了诸多不便．为了尽可能地反映实际情况，消除由于各项指标间的这些差别带来的影响，避免出现不合理的评价结果，就需要对评价指标进行一定的预处理，包括对指标的一致化处理和无量纲化处理． 所谓一致化处理就是将评价指标的类型进行统一．一般来说，在评价指标体系中，可能会同时存在极大型指标、极小型指标、居中型指标和区间型指标，它们都具有不同的特点．如产量、利润、成绩等极大型指标是希望取值越大越好；而成本、费用、缺陷等极小型指标则是希望取值越小越好；对于室内温度、空气湿度等居中型指标是既不期望取值太大，也不期望取值太小，而是居中为好．． 若指标体系中存在不同类型的指标，必须在综合评价之前将评价指标的类型做一致化处理．例如，将各类指标都转化为极大型指标，或极小型指标．一般的做法是将非极大型指标转化为极大型指标．但是，在不同的指标权重确定方法和评价模型中，指标一致化处理也有差异 所谓无量纲化，也称为指标的规范化，是通过数学变换来消除原始指标的单位及其数值数量级影响的过程．因此，就有指标的实际值和评价值之分．—般地，将指标无量纲化处理以后的值称为指标评价值．无量纲化过程就是将指标实际值转化为指标评价值的过程． 二、数据处理的一般方法 1. 数据类型的一致化处理方法 极大型:期望取值越大越好； 极小型:期望取值越小越好； 中间型:期望取值为适当的中间值最好; 区间型:期望取值落在某一个确定的区间 内为最好。 什么是一致化处理?为什么要一致化? 二、数据处理的一般方法 1. 数据类型的一致化处理方法 二、数据处理的一般方法 1. 数据类型的一致化处理方法 2. 数据指标的无量纲化处理方法 (3)功效系数法： 二、数据处理的一般方法 (1)标准差法： (2)极值差法： 二、数据处理的一般方法 3. 模糊指标的量化处理方法 在实际中，很多问题都涉及到定性，或模糊指标的定量处理问题。 诸如:教学质量、科研水平、工作政绩、人员素质、各种满意度、信誉、态度、意识、观念、能力等因素有关的政治、社会、人文等领域的问题。 如何对有关问题给出定量分析呢？ 　　按国家的评价标准,评价因素一般分为五个等级，如A，B，C，D，E。 如何将其量化？若A-，B+，C-，D+等又如何合理量化？ 根据实际问题，构造模糊隶属函数的量化方法是一种可行有效的方法。　 二、数据处理的一般方法 3. 定性指标的量化处理方法 　　假设有多个评价人对某项因素评价为A，B，C，D,E共5个等级: {v1 ,v2 ,v3 ,v4,v5}。 譬如：评价人对某事件“满意度”的评价可分为 {很满意，满意，较满意，不太满意，很不满意} 将其5个等级依次对应为5，4，3，2，1。 这里为连续量化，取偏大型柯西分布和对数函数作为隶属函数： 二、数据处理的一般方法 二、数据处理的一般方法 3. 定性指标的量化处理方法 一般问题的数据指标可能有“极大型”、“极小型”、“中间型”和“区间型”指标。 （1）极小型: 对某个极小型数据指标，则,或. （2）中间型: 对某个中间型数据指标，则 （3）区间型：对某个区间型数据指标，则 在实际数据指标之间，往往存在着不可公度性，会出现“大数吃小数”的错误,导致结果的不合理。 其中为待定常数． 其中为待定常数． 当“很满意”时，则隶属度为１，即； 当“较满意”时，则隶属度为，即； 当“很不满意”时，则隶属度为0.01，即． 计算得 。则 用线性加权函数作为综合评价模型，对个系统进行综合评价。 用非线性函数作为综合评价模型，对个系统进行综合评价。其中为权系数，且要求。 适用条件：各指标间有较强关联性。 其中为的最佳稳定区间，，和分别为可能取值的最大值和最小值。