模糊综合评判与模糊聚类剖析.ppt

模糊理论建模 二级模糊综合评判 二级模糊综合评判 二级模糊综合评判 一、确定因素集U 二、确定评语集V 三、决定各级因素集的权重A和Ai 四、确定二级模糊关系矩阵Ri 五、求出一级模糊关系矩阵R 六、求出最终的综合评判结果并归一化 七、给出模糊综合评判结论 二级模糊综合评判的具体步骤 例：要对某校学生的学习成效进行综合评判， 建立的综合评判指标体系如下： 學生學習成效綜合評判 情意領域（因素集U1） 興 趣（子因素U11） 態 度（子因素U12） 價值觀（子因素U13） 認知領域（因素集U2） 技能領域（因素集U3） 知 識（子因素U21） 理 解（子因素U22） 應 用（子因素U23） 分 析（子因素U24） 知覺（子因素U31） 反應（子因素U32） 適應（子因素U33） 創新（子因素U34） 学生学习成效模糊综合评判 (1) 确定评判因素集 学生学习成效模糊综合评判 学生学习成效模糊综合评判 (2) 确定评语集 (3) 确定各因素集之权重 用统计的方法，请数位教育专家分別对各子因素集中之各因素填入权重比例后平均得： 学生学习成效模糊综合评判 (4) 对第二级因素集进行单因素评判构建第二级  模糊关系矩阵 学生学习成效模糊综合评判 请教育专家就各因素集中每一因素在V中四个等级打勾，最后经算术平均得到数据，统计录表如下： 学生学习成效模糊综合评判 0.05 0.30 0.55 0.10 价值观 u13 0 0.20 0.65 0.15 态度 u12 0.10 0.50 0.30 0.1 兴趣 u11 丙 乙 甲 優 V U1 对于U1，可得到模糊关系矩阵R1 学生学习成效模糊综合评判 同理对于U2， U3可得到模糊关系矩阵R2 , R3 学生学习成效模糊综合评判 学生学习成效模糊综合评判 (5) 求出一级模糊关系矩阵R (6) 求出最终的综合评判结果 学生学习成效模糊综合评判 对B进行归一化得 (7) 给出模糊综合评判结果 学生学习成效模糊综合评判 方法1： 据最大隶属度原则，综合评定为“甲” 上述结论是用主因决定型模型得出，总评价只和起主要用用的因素有关，其它因素不影响评判结果，其得出的结论可能不太令人信服。为综合考虑各种因素，可采用等级赋值法。 学生学习成效模糊综合评判 方法2： 采用等级赋值法，对各评语等级赋值 优=4，甲=3，乙=2，丙=1 那么等级赋值矩阵为 λ=(4 3 2 1) 等级赋值一般按等差数列排列 学生学习成效模糊综合评判 Q=2.58接近2于3之间且较靠近3，所以 综合评定为“甲”，和方法一结论一致 四、模糊聚类分析 模糊模式识别 阈值原则： 模糊模式识别 二、择近原则 1、贴近度 表示两个模糊集A，B之间的贴近程度。 模糊模式识别 ⊙C = ⊙C = 故B比A更贴近于Ｃ. 模糊模式识别 模糊模式识别 模糊模式识别 2、择近原则 模糊模式识别 模糊模式识别 模糊模式识别 三、模糊综合评判 一级模糊综合评判 1 多级模糊综合评判 2 模糊(Fuzzy)综合评判 模糊(Fuzzy)综合评判 对方案、人才、成果的评价，人们的考虑的因素很多，而且有些描述很难给出确切的表达，这时可采用模糊评判方法。它可对人、事、物进行比较全面而又定量化的评价，是提高领导决策能力和管理水平的一种有效方法。 模糊(Fuzzy)综合评判 有关概念的说明 一级综合评判基本步骤 步骤： 常用AHP法得出权重集 一级综合评判基本步骤 根据运算　的不同定义，对 有以下不同模型： 几种常见模型 最常用模型 几种常见模型 几种常见模型 其中： 几种常见模型 模糊综合评判的应用举例 设有两类顾客，他们据自己的喜好对服装各因素关心的程度分别为 针对这两类顾客对此服装进行综合评价。 1000 5000 4000 0 耐穿程度 0 5000 3000 2000 价格 0 1000 2000 7000 式样 1000 2000 5000 2000 花色 不欢迎 不太欢迎 较欢迎 欢迎 评语 指标 模糊综合评判的应用举例 模糊综合评判的应用举例 单因素评判结果往往 根据多人投票统计得到 模糊综合评判的应用举例 模糊综合评判的应用举例 例：要对某品牌电视机进行模糊综合评价，用户关心的主要评价因素有图象、声音、价格，假定这三个因素的权系数向量{图象评价，声音评价，价格评价}={0.5,0.3,0.2}，下面为很多用户对这种电视机各因素评价的统计结果 50% 30% 10% 10% 价格 10% 20% 30%