数据模型与决策模糊系统.pptVIP

(二）改造相似矩阵为等价矩阵 为此作矩阵合成运算，用平方法求出当某一步出现R2K=RK时，便是一个模糊等价矩阵，通过R2K。便可对U进行分类。 例：环境单元分类，运算结果： ㈢ 聚类 有了等价矩阵RK，根据聚类需细分还是粗分的要求，在[0，1]中选取—个数λ，凡rij≥λ的元素变为l，否则变为0，从而达到分类的目的。 例如：当0.4λ≤0.5时，U分为二类：{ u1，u3，u4，u5}，{ u2} 经归一化后的模糊变换结果为： Y’i=0.2/1.2=0.167 Y’i=0.4/1.2=0.333 Y’i=0.5/1.2=0.417 Y’i=0.1/1.2=0.083 = × = （0.167，0.333，0.417，0.083） （1）确定评价指标集合论域U： U={u1，u2，…，um}（m为指标项目数） （2）确定评语集合论域V： V={v1，v2，…，vn}（n为评语等级数） （3）确定权重分配模糊向量 ： ={a1，a2，…，am}（m为指标项目数） （4）进行实际评判，形成评判模糊矩阵R： r11 r12 … r1n = r21 r22 … r2n ： ： ： rm1 rm2 … rmn 6.2 模糊综合评判的步骤 （5）进行模糊变换： （6）得到归一化后的模糊变换结果： （7）根据最大隶属度法，对 ’做出评价判断。 = × ,其中 ={b1，b2，…，bm} ’={b1，b2，…，bm} 6.2 模糊综合评判的步骤 6.3 模糊综合评判应用实例之一——网络课程评价 例 我们对于某学校的校园网络一期建设情况进行评判，设包括三个因素，即硬件建设，软件建设、人员培训，用论域U表示为： U={硬件建设（u1），软件建设（u2），人员培训（u3）} 而评语论域V表示为： V={很好（v1），较好（v2），可以（v3），不好（v4）} 亦即分为四个等级，并用百分比或小数表示。现邀请一些专门人员进行评价，若用人数的百分比来表示评价结果如表14.13所示； 评语 指标 很好 较好 可以 不好 硬件指标 50% 40% 10% 0 软件指标 40% 30% 20% 10% 人员指标 0% 10% 30% 60% 表 评价结果 0.2 0.7 0.1 0 表就构成模糊矩 = 0 0.4 0.5 0.1 0.2 0.2 0.4 0.1 现在假定根据实际需要，在对校园网络一期建设做出要求时，主要是硬件建设 （0.5）,其次是人员培训（0.3），对软件建设要求稍低（0.2）。这就构成 一个由三个权数分配构成的一行模糊向量 ； =（0.5，0.2，0.3） 现要做出综合评判，必须进行模糊变换 = × 0.5 0.4 0.1 0 = × =（0.5，0.2，0.3） 0.4 0.3 0.2 0.1 0 0.1 0.3 0.6 =(0.5，0.4，0.3，0.3) 为了明确地显示综合评判的结果，还需做