一、模糊数学

1.模糊集

定义

2.模糊集的运算

3.常用模糊分布

二、模糊综合评价

1.确定评价指标和评价等级

2.构造模糊综合评价矩阵

方法

3.评价指标权重的确定

变异系数法得到权重向量A

4.模糊合成与综合评价

相对偏差法得到模糊矩阵R

相对优属度得到模糊矩阵R

一、模糊数学

利用模糊集及其运算研究，处理模糊不确定现象和关系的数学分支学科。

模糊集和模糊综合评价

1.模糊集

“亦此亦彼”的模糊性，排中律破损造成的。

定义

设给定论域U，所谓U上的一个模糊集A是指对于任意 $x\in U$ ，都能确定一个正数 $\mu _{A}(x)\in [0,1]$ 用其表示 $x$ 属于 $A$ 的程度。映射

$x\in U\rightarrow \mu _{A}(x)\in [0,1]$

称为 $A$ 的隶属函数，函数值 $u _{A}(x)$ 称为 $x$ 对 $A$ 的隶属度

每个元素都有隶属度的集合即为模糊集，确定模糊集的关键是构造隶属函数

2.模糊集的运算

通过隶属函数完成

设模糊集A,B的隶属函数为 $u _{A}(x),u _{B}(x)$ ，则A与B的常用运算有：

包含： $A\subset B\Leftrightarrow u _{A}(x)\leq u _{B}(x)$
相等： $A= B\Leftrightarrow u _{A}(x)= u _{B}(x)$
交： $C=A\cup B\Leftrightarrow u _{C}(x)=u _{A}(x)\vee u _{B}(x)$
补： $A^{C}\Leftrightarrow u _{A^{C}}(x)=1-u _{A}(x)$
内积： $A\cdot B=\vee (A(x)\wedge B(x))$
外积： $A\otimes B=\wedge (A(x)\vee B(x))$

3.常用模糊分布

二、模糊综合评价

以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化。

首先确定被评价对象的因素集和评价集，然后再分别确定各因素的权重及其隶属度向量，获得模糊评价矩阵（一般难以取得），最终将模糊评价矩阵与因素的权向量进行模糊运算并归一化，得到综合评价结果。

1.确定评价指标和评价等级

设 $U={u_{1},u_{2},u_{3}...,u_{m}}$ 为刻画被评价对象的m种因素，即评价指标；m为评价因素的个数

$V={v_{1},v_{2},v_{3}...,v_{m}}$ 为刻画每一因素所在状态的n种评语，即为评价等级。n为评语的个数（等级

2.构造模糊综合评价矩阵

对每个评价指标 $u_{i}$ 逐一进行模糊评价。

方法

对评价指标 $u_{i}$ 给出其能被评为等级 $v_{j}$ 的隶属度 $r_{ij}$ 。 $r_{ij}$ 可理解为指标 $u_{i}$ 对于等级 $v_{j}$ 的隶属度，通常要将 $r_{ij}$ 归一化以便使用。

每一行从左向右分别代表 $u_{i}$ 对于不同评价等级（ $v_{i}$ ）的隶属度（指数），每一行相加一定等于1

（eg， $u_{1}$ 代表花色， $r_{11}$ 代表受欢迎比例， $r_{12}$ 代表一般的比例， $r_{13}$ 代表不受欢迎的比例）

3.评价指标权重的确定

引入模糊向量 $A=(a_{1},a_{2},a_{3}...,a_{n})$ 来表示各评价指标在目标中所占权重，称之为权重向量。其中 $a_{i}$ 为 $u_{i}$ 的权重。（用层次分析法得到各个指标的权重 $a_{i}$ ）

变异系数法得到权重向量A

使用前提是重要性相当

若某项指标数值差异较大（方差大），能区分开各评价对象，应该给该指标较大的权重。

➡️可以用方差定义指标的权重

定义指标的分辨能力为： $v_{i}=\frac{s_{i}}{\left | \vec{x_{i}} \right |}$ (标准差/均值)

（2）令 $v_{i}=\frac{s_{i}}{\left | \vec{x_{i}} \right |}$ ，归一化的 $v_{i}$ 为各指标的权重，即 $\omega _{i}=\frac{v_{i}}{\sum v_{i}}$

4.模糊合成与综合评价

对评价矩阵R和权向量A进行某种适当的模糊运算，将两者合成为一个模糊向 $B={b_{1},b_{2},b_{3}...,b_{n}}$ ，即B=AR，然后对B按照一定的法则进行综合分析后即可得出最终的模糊综合评价结果。

主因素突出型适用于模糊矩阵中数据相差悬殊的情形；加权平均型适用于因素很多且因素差距不大的情形

相对偏差法得到模糊矩阵R

首先模拟一个理想方案u，然后按照某种方法建立各方案与u的偏差矩阵R，再确定各评价指标的权重A，最后用A对R加权平均得到方案与u的综合距离F，根据F对方案排序。

效益型指标越高越好；成本型指标越低越好

每行代表每一个指标，每列代表每个评价集

eg：

相对优属度得到模糊矩阵R

将所有指标全部转化为效益性，得到优属度矩阵R

模糊综合评价模型 ——确定隶属度相关推荐

空气质量预测灰色预测模型模糊综合评价模型
摘要近年来,随着工业生产的发展和城市人口的迅速增长,城市大气污染日趋严重,2018年,国务院正式印发了<打赢蓝天保卫战三年行动计划>,空气质量的好坏严重影响了人民的日常生活,为此研究 ...
数学建模—模糊综合评价模型
一.概述 1.数学归纳法和秃子悖论数学归纳法:(1)当n=1时,成立:(2)当n=k时,成立:(3)只需要证明当n=k+1时,也成立:则推出对所有n都成立. 秃子悖论:一个满头秀发的人,n为这个人掉 ...
基于matlab实现的云模型计算隶属度,基于MATLAB实现的云模型计算隶属度
"云"或者'云滴'是云模型的基本单元,所谓云是指在其论域上的一个分布,可以用联合概率的形式(x, u)来表示云模型用三个数据来表示其特征期望:云滴在论域空间分布的期望,一般用符 ...
基于MATLAB实现的云模型计算隶属度
"云"或者'云滴'是云模型的基本单元,所谓云是指在其论域上的一个分布,可以用联合概率的形式(x, u)来表示云模型用三个数据来表示其特征期望:云滴在论域空间分布的期望,一般用 ...
模糊综合评价模型 ——第二部分，隶属函数的三种确定方法
1.模糊统计法数模比赛中很少用,要设计发散问卷,可能来不及,但实际做研究用的较多(做科研发论文) 原理:找多个人去对同一个模糊概念进行描述,用隶属频率去定义隶属度例:定义"年轻人&quo ...
基于matlab实现的云模型计算隶属度,MATLAB实现的云模型计算隶属度
转载:http://www.cnblogs.com/MATLABlearning001/p/MATLABlearning.html云"或者'云滴'是云模型的基本单元,所谓云是指在其论域上的一 ...
在matlab中用代码绘制模糊控制器里面的隶属度函数
a=readfis('模糊系统名称'); plotmf(a,'input',1) 绘制输入到模糊系统的第一个变量的隶属度函数 plotmf(a,'input',2) 绘制输入到模糊系统的第二个变量的隶 ...
数学建模学习笔记——模糊综合评价模型（评价类，发放问卷一般不用）
二氧化硫在每一个等级(I级 II级 III级 IV级)中的隶属度专家判断因素集的权重
评价模型——模糊综合评价
模糊综合评价一般步骤 1.建立因素集 2.建立评语集 3.确定因素的权重 4.进行单因素模糊评价,获得评价矩阵 5.建立模糊评价模型 6.计算得分.分析结果案例 1.一级模糊综合评价模型 2.二级 ...
模糊数学笔记：六、模糊模型识别-I（最大隶属度原则）
1.模型识别的问题提出模型识别,通俗地理解即是对一个类别未知的对象进行归类(或者叫分类).这里与聚类不同的是,聚类实际上是要区分出已有的样本哪些属于同一类,但并没有参考标准.而识别则事先有参考的标准 ...

模糊综合评价模型 ——确定隶属度

一、模糊数学

1.模糊集

定义

2.模糊集的运算

3.常用模糊分布

二、模糊综合评价

1.确定评价指标和评价等级

2.构造模糊综合评价矩阵

方法

3.评价指标权重的确定

变异系数法得到权重向量A

4.模糊合成与综合评价

相对偏差法得到模糊矩阵R

相对优属度得到模糊矩阵R

模糊综合评价模型 ——确定隶属度相关推荐

最新文章

热门文章

模糊综合评价模型 ——确定隶属度

一、模糊数学

1.模糊集

定义

2.模糊集的运算

3.常用模糊分布

二、模糊综合评价

1.确定评价指标和评价等级

2.构造模糊综合评价矩阵

方法

3.评价指标权重的确定

变异系数法 得到权重向量A

4.模糊合成与综合评价

相对偏差法 得到模糊矩阵R

相对优属度 得到模糊矩阵R

模糊综合评价模型 ——确定隶属度相关推荐

最新文章

热门文章

变异系数法得到权重向量A

相对偏差法得到模糊矩阵R

相对优属度得到模糊矩阵R