最新2010年数学建模暑假培训教育的讲座.pptVIP

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？ drerte * 　　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 drerte * 　　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 drerte * 二、数据处理的一般方法 3. 定性指标的量化处理方法 drerte * 二、数据处理的一般方法 3. 定性指标的量化处理方法 根据这个规律，对于任何一个评价值，都可给出一个合适的量化值。 据实际情况可构造其他的隶属函数。如取偏大型正态分布。 drerte * 模糊定性指标量化的应用案例 （1）CUMCM2003-A,C:SARS的传播问题 （2）CUMCM2004-D:公务员招聘问题； （3）CUMCM2005-B:DVD租赁问题； （4）CUMCM2008-B:高教学费标准探讨问题； （5）CUMCM2008-D:NBA赛程的分析与评价问题； （6）CUMCM2009-D:会议筹备问题。 drerte * 三、数据建模的综合评价方法 适用条件:各评价指标之间相互独立。 对不完全独立的情况，其结果将导致各指标间信息的重复，使评价结果不能客观地反映实际。 1. 线性加权综合法 主要特点： （1）各评价指标间作用得到线性补偿； （2）权重系数的对评价结果的影响明显。 drerte * 2. 非线性加权综合法 三、数据建模的综合评价方法 主要特点： （1）突出了各指标值的一致性，即平衡评价指标值较小的指标影响的作用； （2）权重系数大小的影响不是特别明显，而对指标值的大小差异相对较敏感。 drerte * 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 drerte * 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 drerte * 返回 三、数据建模的综合评价方法 3. 逼近理想点（TOPSIS）方法 drerte * 综合评价方法的应用案例 （1）CUMCM1993-B:足球队排名问题； （2）CUMCM2001-B:公交车调度问题； （3）CUMCM2002-B:彩票中的数学问题； （4）CUMCM2004-D:公务员招聘问题； （5）CUMCM2005-A:长江水质的评价和预测问题； （6）CUMCM2005-C:雨量预报方法评价问题； （7）CUMCM2006-B:艾滋病疗法评价与预测问题； （8）CUMCM2007-C:手机“套餐”优惠几何问题； （9）CUMCM2008-B:高教学费标准探讨问题； （10）CUMCM2008-D:NBA赛程的分析与评价问题； （11）CUMCM2009-D:会议筹备问题。 drerte * * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr * rdter dfgdr 2010年数学建模暑假培训讲座 drerte * 浅谈数学建模 一、对数学建模竞赛的认识 二、 数学建模实践活动 三、 对大学生科技能力的培养 drerte * 一、对数学建模竞赛的认识 1、作题与一般的培训 ◇ 作题 利用已有知识可以解决，与知识及知识量有关，其过程有利于掌握知识。作题有一个可以作的潜在假设。 ◇ 培训 增加知识，以知识为基础解题，基本是老师主导。 2、作事与实践 ◇ 作事 对象是问题，以自