数学建模评价模型方法.pptxVIP

数据处理与数据建模方法西南交通大学数学建模第1页

2实际中大量信息或海量信息对应着大量数据或海量数据，从这些数据中寻求所需要问题答案--数据建模问题。经过实际对象过去或当前相关信息，主要研究两个方面问题：（1）分析研究实际对象所处状态和特征等，依此做出评价和决议；（2）分析预测实际对象未来改变情况和趋势等，为科学决议提供依据。数据处理与数据建模方法第2页

3数据处理与数据建模方法1.普通数据建模问题提出2.数据处理普通方法3.数据建模综合评价方法4.数据建模动态加权方法５.数据建模综合排序方法６.数据建模预测方法第3页

4实际对象都客观存在一些相关数据信息；怎样综合利用这些相关信息给出综合评价结果、制订决议方案，或预测未来？这类问题都归结为信息综合利用与评价问题。普通问题：什么是综合评价与综合评价问题呢？一、普通数据建模问题提出第4页

5依据相关信息对被评价对象所进行客观、公正、合理全方面评价。假如把被评价对象视为系统，则综合评价问题：在若干个(同类)系统中，怎样确定哪个系统运行(或发展)情况好，哪个情况差？即哪个优，哪个劣？一类多属性(或多指标)综合评价问题。综合评价：一、普通数据建模问题提出第5页

6综合评价是科学、合理决议前提。综合评价基础是信息综合利用。综合评价过程是数据建模过程。数据建模基础是数据标准化处理。一、普通数据建模问题提出怎样组成一个综合评价问题呢？第6页

7综合评价问题五个要素：一、普通数据建模问题提出第7页

8（2）评价指标它是反应被评价对象(系统)运行情况基本要素。通常问题都有多项指标组成，每一项指标都是从不一样侧面刻画系统所含有某种特征大小一个度量。全部评价指标一起称为综合评价指标体系。标准:系统性、科学性、可比性、可测性和独立性。综合评价问题五个要素第8页

9综合评价问题五个要素（3）权重系数针对每一综合评价问题不一样评价目标，各评价指标之间相对主要性是不一样。权重系数:用来刻画评价指标之间相对主要性大小。第9页

10综合评价问题五个要素（4）综合评价模型经过建立适当综合评价数学模型将多个评价指标综合成为一个整体综合评价指标，即得到对应综合评价结果。第10页

11综合评价问题五个要素（5）评价者评价者是直接参加评价人，能够是某一个人，也能够是一个团体。对于评价目标选择、评价指标体系确定、权重系数确实定和评价模型建立都与评价者相关。第11页

12综合评价过程流程第12页

13二、数据处理普通方法1.数据类型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:期望取值既不要太大，也不要太小为好，即取适当中间值为最好;区间型:期望取值最好是落在某一个确定区间内为最好。什么是一致化处理?为何要一致化?第13页

14二、数据处理普通方法1.数据类型一致化处理方法第14页

15二、数据处理普通方法1.数据类型一致化处理方法第15页

162.数据指标无量纲化处理方法惯用方法:标准差法、极值差法和功效系数法等。二、数据处理普通方法第16页

17二、数据处理普通方法2.数据指标无量纲化处理方法(1)标准差方法第17页

18二、数据处理普通方法2.数据指标无量纲化处理方法(2)极值差方法第18页

19二、数据处理普通方法2.数据指标无量纲化处理方法(３)功效系数方法第19页

20二、数据处理普通方法3.定性指标量化处理方法在社会实践中，很多问题都包括到定性原因(指标)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、能力等原因相关政治、社会、人文等领域问题。怎样对相关问题给出定量分析呢？第20页

21按国家评价标准,评价原因普通分为五个等级，如A，B，C，D，E。怎样将其量化？若A-，B+，C-，D+等又怎样合理量化？简单地对应数字分量化方法是不科学！依据实际问题，结构含糊隶属函数量化方法是一个可行有效方法。二、数据处理普通方法3.定性指标量化处理方法第21页

22假设有多个评价人对某项原因评价为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”评价可分为{很满意，满意，较满意