科研数据处理方法与应用1.pptVIP

综合评价与决策;科研数据处理方法概述;科研数据处理方法概述;3.分类与判别 1 距离聚类 2.关联性聚类 3.层次聚类 4.密度聚类 3.其他聚类 6.贝叶斯判别 7.费舍尔判别 8.模糊识别;科研数据处理方法概述;科研数据处理方法概述;1.模糊综合评价;1.1.1 经典集合与特征函数 ;在论域U中任意给定一个元素u及任意给定一个;1.1.2 模糊集合及其运算;1)模糊子集;论域;模糊子集通常简称模糊集，其表示方法有：;（3）向量表示法;2）模糊集的运算;几个常用的算子：;（4）有界和、取小算子;3)模糊矩阵;并：;（2）模糊矩阵的合成;（3）模糊矩阵的转置;例：;1.1.3 隶属函数的确定;特点：在各次试验中， 是固定的，而 在随机变动。;2)指派方法;1.2 模糊综合评判;1.模糊综合评价;根据运算　的不同定义，可得到以下不同模型：;1.模糊综合评价;1.模糊综合评价;其中：;1.模糊综合评价;1.模糊综合评价;1.模糊综合评价;输入数据： R=[0.2 0.5 0.2 0.1;0.7 0.2 0.1 0;0 0.4 0.5 0.1;0.2 0.3 0.5 0] A1=[0.1 0.2 0.3 0.4] A2=[0.4 0.35 0.15 0.1];因素集;缨薛蝉碾腕袍畸换腊光舅哈壁兑蚌踌铬磕肯狐隅宾睦谱芭蹲聪簧佯彼妄巷科研数据处理方法与应用1科研数据处理方法与应用1;1.模糊综合评价;1.2.2 多级模糊综合评判（以二级为例）;二级模糊综合评判的步骤：;1.模糊综合评价;1.模糊综合评价;1.模糊综合评价;1.模糊综合评价;童唬猾妈窃扎愁形坤剩雌翅炽受妇虞扣逾沽茹烬墩硷贺瓦余痒牙藏兆令呕科研数据处理方法与应用1科研数据处理方法与应用1;1.模糊综合评价;1.模糊综合评价;假定你是一个公司的财务经理，掌握了公司的所有数据，比如固定资产、流动资金、每一笔借贷的数额和期限、各种税费、工资支出、原料消耗、产值、利润、折旧、职工人数、职工的分工和教育程度等等。 如果让你向上面介绍公司状况，你能够把这些指标和数字都原封不动地摆出去吗？ 当然不能。 你必须要把各个方面作出高度概括，用一两个指标简单明了地把情况说清楚。 ;每个人都会遇到有很多变量的数据。 比如全国或各个地区的带有许多经济和社会变量的数据；各个学校的研究、教学等各种变量的数据等等。 这些数据的共同特点是变量很多，在???此多的变量之中，有很多是相关的。人们希望能够找出它们的少数“代表”来对它们进行描述。 在引进主成分分析之前，先看下面的例子。;100个学生的数学、物理、化学、语文、历史、英语的成绩如下表（部分）。 ;目前的问题是，能不能把这个数据的6个变量用一两个综合变量来表示呢？ 这一两个综合变量包含有多少原来的信息呢？ 能不能利用找到的综合变量来对学生排序呢？这一类数据所涉及的问题可以推广到对企业，对学校进行分析、排序、判别和分类等问题。;选择越少的主成分，降维就越好。什么是标准呢？那就是这些被选的主成分所代表的主轴的长度之和占了主轴长度总和的大部分。有些文献建议，所选的主轴总长度占所有主轴长度之和的大约80%即可，其实，这只是一个大体的说法；具体选几个，要看实际情况而定。; 主成分分析是一种通过降维技术把多个变量化为少数几个主成分(即综合变量)的统计分析方法。;1.对原始数据矩阵进行标准化处理(相当于对原始变量进行坐标平移与尺度伸缩);iii）特征分解得 (相当于将原来的坐标轴进行旋转得到新的坐标轴U);iv) 确定主成分个数;Vi)构造评价函数;例：以下是收集整理了的1990-2002年13年间影响中国蔬菜产量的若干因素数据，请你对这些影响因素作主成分分析，并分析结果。 ;data ex; input x1-x13; cards; /*数据省略*/ ; proc princomp out=prin; /*主成分分析模块*/ var x1-x13; run; proc print data=prin; var prin1-prin13; run;;程序中对应运行结果为：;α1=(0.31，0.29，－0.22，0.30，－0.09，0.31，0.30，0.30，0.30，0.31，0.31，0.31，0.13)， α2=（－0.03，0.23，0.51，0.11，0.77，0.01，－0.09，0.13，0.19，0.07，0.04，－0.03，－0.09）， α3=（0.03，－0.03，0.24，－0.08，0.01，－0.03，0.02，－0.06，－0.04，－0.03，－0.08，0.05，0.96） ; 第一主成分与蔬菜种植面积、每公顷物质费用、蔬菜零售物价指数、市场化程度、城市化