模糊综合评价
模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。其基本步骤可以归纳为：
①首先确定评价对象的因素论域
可以设N 个评价指标，12(,, ...)n X X X X =；
②确定评语等级论域
设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵
在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上
进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而得到模糊关系矩阵11112122122212nm
......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。
④确定评价因素的权向量
在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。
⑤合成模糊综合评价结果向量
利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即：
1112121
222121212nm
......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。
⑥对模糊综合评价结果向量进行分析
实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。
第三节 模糊综合评判法的应用案例 二、在物流中心选址中的应用 物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点，其促进商品能够按照顾客的要求完成附加价值，克服在其运动过程中所发生的时间和空间障碍。在物流系统中，物流中心的选址是物流系统优化中一个具有战略意义的问题，非常重要。 基于物流中心位置的重要作用，目前已建立了一系列选址模型与算法。这些模型及算法相当复杂。其主要困难在于： （1） 即使简单的问题也需要大量的约束条件和变量。 （2） 约束条件和变量多使问题的难度呈指数增长。 模糊综合评价方法是一种适合于物流中心选址的建模方法。它是一种定性与定量相结合的方法，有良好的理论基础。特别是多层次模糊综合评判方法，其通过研究各因素之间的关系，可以得到合理的物流中心位置。 1．模型 ⑴ 单级评判模型 ① 将因素集U 按属性的类型划分为k 个子集，或者说影响U 的k 个指标，记为 12(,,,)k U U U U = 且应满足： 1 , k i i j i U U U U φ=== ② 权重A 的确定方法很多，在实际运用中常用的方法有：Delphi 法、专家调查法和层次分析法。 ③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶属度，从而得到单因素评判矩阵。 ④ 单级综合评判B A R =
⑵多层次综合评判模型 一般来说，在考虑的因素较多时会带来两个问题：一方面，权重分配很难确定；另一方面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重必然很小。无论采用哪种算子，经过模糊运算后都会“淹没”许多信息，有时甚至得不出任何结果。所以，需采用分层的办法来解决问题。 2．应用 运用现代物流学原理，在物流规划过程中，物流中心选址要考虑许多因素。根据因素特点划分层次模块，各因素又可由下一级因素构成，因素集分为三级，三级模糊评判的数学模型见表3-7. 表3-7 物流中心选址的三级模型
模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，
经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子
模糊综合评价 模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。其基本步骤可以归纳为： ①首先确定评价对象的因素论域 可以设N 个评价指标，12(,, ...)n X X X X =； ②确定评语等级论域 设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵 在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上 进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而 得到模糊关系矩阵11112122122212nm ......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。 ④确定评价因素的权向量 在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层 次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。 ⑤合成模糊综合评价结果向量 利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即：
111212122 2121212nm ......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。 ⑥对模糊综合评价结果向量进行分析 实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。
三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M
一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M
模糊综合评价方法 1、基本思想和原理 基本思想 在客观世界中，存在着大量的模糊概念和模糊现象。模糊数学就是试图用数学工具解决模糊事物方面的问题。 模糊综合评价是借助模糊数学的一些概念，对实际的综合评价问题提供一些评价的方法。具地说，模糊综合评价就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方法。 原理 首先确定被评价对象的因素（指标）集合评价（等级）集；再分别确定各个因素的权重及它们的隶属度向量，获得模糊评判矩阵；最后把模糊评判矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊综合评价结果。 其特点在于评判逐对象进行，对被评价对象有唯一的评价值，不受被评价对象所处对象集合的影响。综合评价的目的是要从对象集中选出优胜对象，所以还需要将所有对象的综合评价结果进行排序。 2. 模糊综合评价法的模型和步骤 步骤 步骤1 确定评价对象的因素论域， 有m个评价指标，表明评价对象的各个因素。 步骤2 确定评语等级论域
评语集是对被评价对象的各个评价结果的集合，用V表示， 有n个评价结果，其中表示第j个评价结果。 步骤3 进行单因素评价，建立模糊矩阵R， 单独从一个因素出发进行评价，以确定评价对象对评价集合V的隶属程度，称为单因素模糊评价。 在构造了等级模糊子集后，对被评价对象的每个因素进行量化,即确定从单因素来看被评价对象对各等级模糊子集的隶属度，进而得到模糊关系矩阵， 其中，表示被评价对象从因素来说对等级模糊子集的隶属度。一个被评价对象在某个因素方面的表现是通过模糊向量来刻画的（在其他评价方法中多是由一个指标实际值来刻画，因此模糊评价需要更多的信息），称为单因素评价矩阵，可以看作是因素集U和评价集V之间的一种模糊关系，即影响因素和评价对象之间的“合理关系”。 在确定隶属关系时，通常是专家打分，然后统计结果，根据绝对值减数法求得，即， 其中，c可以适当选取，使得0≤≤1。 步骤4 确定评价因素的模糊权向量 因为各评级因素的重要程度不同，所以要对个因素分配一个相应的权数，(i=1，2，3…m)，≥0，。A即为权重集。
用模糊数学综合评价法对水质进行评价 付智娟 （中山市环境保护科学研究所，中山 542803） 摘 要：综合评价法作为模糊数学的一种具体应用方法，在很多领域中得到了广泛的运用。由于综 合评价法的数学模型简单、容易掌握，更适合于对多因素、多层次的复杂问题的评价。将其应用于对水质的评价能更客观、科学地反映水质情况。 关键词：模糊数学 ；综合评价法；水质评价法 Abstract:As the praxis of fuzzy mathematics,comprehensive evaluation is prevalent used in many fields ,Because it is a simple mathematical model and easy to use,comprehensive evaalution has advantage to solve the complex problem that have more different https://www.doczj.com/doc/f61550276.html,ing it to evaluate the quality of water can get an objective and scientific result. Key words: fuzzy mathematics; comprehensive evaluation; evaluate the quality of water 模糊数学理论是近年来发展起来的科学，水质的好坏具有模糊的概念，因此也可以用它来评价水质，对水质进行综合评价，打破以往仅用一个确定性的指标来评价水质的方法，并可以弥补其中的不足，更客观、科学地对水质进行评价。现引用对某水质进行评价的例子来说明模糊数学综合评价在水质评价中的运用。 1. 基本概念 1. 1隶属度 以往的水质分级中多用一个简单的数学指标为界限，造成界限两边分为截然不同的等级.例如参数DO ， I 级水的指标为7mg/L,则7.1mg/L 为I 级水，但DO 若为6.9mg/L 就的定为II 级水。事实上，由于水质的污染程度属于模糊概念,所以这里用隶属概念来描述模糊的水质分级界限。所谓隶属度系指某事物所属某种标准的程度：如:DO=7.1mg/L 时,隶属I 级水的程度为100%;6.9mg/L 时,隶属I 级水的程度达95%。 隶属度可用隶属函数表示。为方便起见，取线性函数： 10X X X X --或 11X X X X --，（X 0 翻译质量评估（TQA）中以模糊数学为基础的量化方法探讨 翻译质量评估（TQA）的方法存在传统定性评估与数学定量评估两个相对对立的方法。20世纪60年代美国加利福尼亚大学控制论专家、系统工程教授L.A.札德发表《模糊集合》论文，创立了模糊数学理论，该理论之后被大量应用于模糊控制、信息检索、医学、气象学、结构力学、心理学等多个领域。后来，语言学学者也开始尝试将其应用于语言学研究领域。在中国，将模糊数学基础理论与方法引入翻译质量评估（TQA）的过程中作为一种参数参照，正处于可行性验证与起步阶段，这是中国翻译界的一次大胆尝试。合理的模糊量化分析能够逐渐实现翻译质量评估评的综合化与合理化，具有较为重要的科学意义。 一、国内利用模糊数学方法进行翻译质量评估现状 国内学者将模糊数学与翻译评价相结合的第一人是范守义，他在《中国翻译》1987年第4期的发表的《模糊数学与译文评价》一文中，利用模糊集合中隶属度的概念从定量的角度对译文质量进行评价，大体分三步步骤：（1）选择模糊集合的必要元素，即译文评价单位；（2）确定译文评价特征依据，如修辞、风格、句法、语义等；（3）明确信度控制点，从译文内容各单位部分各自的隶属度相加求出的平均值结果来评价译文的质量。在此之前，范守义（1986）在国内首次将“信、达、雅”标准用 数学公式“I=（R/F）?（S’/S）”进行表示，其中“I”为译文与原文的接近程度指数，“F”代表“信”，“R”代表“达”，“S”代表原文中的“雅”，而“S’”则代表译文所达到的“雅”，“F”与“S”为常量，公式中的“R”对应“F”，“S”对应“S’”，对应量的数值彼此越接近，则“I”越接近最大值“1”。之后，范守义（1990）又对应用与译文评价中的数学模型进行了修改，将主标准与次标准的并集纳入语言变量下，用公式表示为：Q=X∪Y∪Z，或扩展为：Q=[X1，X2，（X3）]∪[Y1，Y2，（Y3）]∪[Z1，Z2，（Z3）]。其中：“X”代表中心信息，即：X1：信息量；X2：形象转换；X3：虚设标准。“Y”代表附加信息，即：Y1：风格层次；Y2：情感元素；Y3：虚设标准。“Z”代表结构信息，即：Z1：元语言方面；Z2：修辞与逻辑；Z3：音韵。 同时，范守义提出了以计算机编程为取向的公式运作方式，包括“数据输入”、“加权”、“计算”与“数据输出”。从其研究所处的时期看来，范守义的研究具有远见性，也具有使用价值，为利用模糊数学的理论与方法对翻译质量进行评估展奠定了基础。 在此期间，徐盛恒也进行了相关研究，他（1987）曾针对范守义公式中存在的不足提出了改进：（W1，W2...Wn）?|X1， X2，…Xn|，其中“W”与“X”分别代表“权值”与“标准”，并规定样本抽样方法必须为等距离抽样，标准的确定依据必须为 本科生毕业论文（设计） （ 2011 届） 论文（设计）题目模糊聚类分析应用 作者舒海波 系、专业理学分院数学与应用数学 班级应数072 指导教师（职称）何颖俞（讲师） 字数 9403 字 成果完成时间2011年4月10日 杭州师范大学钱江学院教学部制 模糊聚类分析应用 数学与应用数学专业0702班指导教师何颖俞 摘要：模糊聚类简单而言就是把数据中的指标分类。本文利用的是最大树法对等价矩阵进行聚类，然后利用fcm法对相似矩阵的求法进行比较。 关键字：模糊聚类，等价矩阵，最大树，相似矩阵 The application of fuzzy clustering Shuhaibo Instructor: HeYingYu Abstract: Fuzzy clustering is a method to classify the given data based on some indexes. In this paper I use the method of the maximal tree to classify the equivalent matrix, and then use clustering analysis method of FCM to comparison the solutions of the similar matrices. Key word: fuzzy clustering, equivalence matrix, the maximal tree, similar matrix 目录 1 绪论 (1) 2模糊聚类分析方法 (1) 2.1距离和相似系数 (1) 2.2 F相似关系 (2) 2.2.1定义 (2) 2.2.2 定理 (2) 2.3 聚类分析 (3) 2.3.1最大树法 (4) 3算法分类 (4) 3.1聚类方法的分类 (5) 3.1.1划分方法（partitioning method） (5) 3.1.2层次方法(hierarchical method) (5) 3.1.3基于密度的方法(density-based method) (5) 3.1.4基于网格的方法(grid-based method) (5) 3.1.5基于模型的方法(model-based method) (5) 3.2．数据挖掘领域中常用的聚类算法 (5) 3.2.1 CLARANS算法（随机搜索聚类算法） (5) 3.2.2 CURE算法（利用代表点聚类） (6) 3.2.3 BIRCH算法（利用层次方法的平衡迭代归约和聚类） (6) 3.2.4 DBSCAN算法（基于高密度连接区域的密度聚类方法） (6) 3.2.5 STING算法（统计信息风格） (7) 3.2.6 COBWEB算法（流行的简单增量概念聚类算法） (7) 3.2.6 模糊聚类算法FCM (8) 3.3 聚类算法的性能比较 (8) 4实际应用 (9) 5总结 (13) 参考文献： (13) 模糊综合评价方法在物流中心选址的应用 物流中心作为商品周转、分拣、保管、在库管理和流通加工的据点，其促进商品能够按照顾客的要求完成附加价值，克服在其运动过程中所发生的时间和空间障碍。在物流系统中，物流中心的选址是物流系统优化中一个具有战略意义的问题，非常重要。 基于物流中心位置的重要作用，目前已建立了一系列选址模型与算法。这些模型与算法相当复杂。其主要困难在于： （1）即使简单的问题也需要大量的约束条件和变量； （2）约束条件和变量多使问题的难度呈指数增长。 模糊综合评判方法是一种适合于物流中心选址的建模方法。它是一种定性与定量相结合的方法，有良好的理论基础。特别是多层次模糊综合评判方法，其通过研究各因素之间的关系，可以得到合理的物流中心位置。 1、模型 （1）单级评判模型 ①将因素集U 按属性的类型划分为k 个子集，或者说影响U 的k 个指标，记为 且应满足： 1 ,k i i j i U U U U ===?U I ② 权重A 的确定方法很多，在实际运用中常用的方法有：层次分析法、Delphi 法、专家调查法、加权平均法。 ③ 通过专家打分或实测数据，对数据进行适当的处理，求得归一化指标关于等级的隶属度，从而得到单因素评判矩阵。 ④ 单级综合评判B A R =o . （2）多层次综合评判模型 一般来说，在考虑的因素较多时会带来两个问题：一方面，权重分配很难确定；另一方面，即使确定了权重分配，由于要满足归一性，每一因素分得的权重必然很小。无论采用哪种算子，经过模糊运算后都会“淹没”许多信息，有时甚至得不出任何结果。所以，需采用分层的办法来解决问题。 2、应用 运用现代物流学原理，在物流规划过程中，物流中心选址要考虑许多因素。根据因素特点划分层次模块，各因素又可由下一级因素构成，因素集分为三级，三级模糊评判的数学模型见下表： 物流中心选址的三级模型 收稿日期:2003-11-10 作者简介:许康(1969-),男(汉族),江苏宜兴人,讲师,博士研究生,从事油气储运与热能工程方面的教学与科研工作。 文章编号:1000-5870(2004)04-0102-03 预测模型可靠性的模糊数学评价方法 许 康,张劲军,陈 俊,李鸿英 (石油大学石油天然气工程学院,北京102249) 摘要:预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。关键词:含蜡原油;粘温关系;预测模型;可靠度;评价方法;模糊数学;隶属函数中图分类号:O 159 文献标识码:A A new assessment method for reliability of prediction model with fuzzy mathematics XU Kang,ZHANG Jin -jun,CH EN Jun,LI Hong -ying (College of Petr oleum Engineer ing in the University of Petroleum ,China,Beij ing 102249,China) Abstract :T he distribution of the authentic forecast results can embo dy the fiduciar y level o f the prediction model.T he probability o f the authentic for ecast results obtained by t he prediction model w as defined as the fiduciary lev el o f prediction model.A new method for assessment of t he fiduciary level of prediction model was proposed.In or der to assess the fiduciary lev el of the for ecast results,a membership function for describing the relationship betw een the fiduciary lev el and absolute value of relative err or of fo recast results was established on the theory of fuzzy mathematics.By using the fuzzy mat hemat ics and reliabilit y theory ,the formula to calculate the fiduciary level of the pr edict ion model w as provided.A prediction model for waxy o il viscosity was taken as an ex ample to prove the applicability of the assessment method.T he r esults show that the fiduciary levels of prediction model are different fo r the same o il sample with the different membership function or for the different oil sample with the same membership function. Key w ords :w ax y oil;viscosity -temperature r elationship;prediction model;reliabilit y;assessment method;fuzzy mathe -matics;membership function 我国生产的原油80%以上属于含蜡原油,其组成复杂,粘度及粘温关系的变化规律往往不能用纯液体的粘度模型进行描述。原油粘度及粘温关系 直接影响其管道输送的摩阻,是管输工艺设计及运行管理所需的重要基础数据。国内外研究者提出了若干含蜡油粘度模型,这些模型都是基于实验数据统计分析得出的经验模型,对于预测模型预测结果的可靠程度,常见的方法是用大量的预测结果与实测值之间的(绝对或相对)误差的平均值和其中最大 值来说明。但是预测结果是否 准确可信 是一个很模糊的概念,预测结果的 准确可信 与 不可信 之间没有一个明显的界限,对预测结果可信程度的评 价用常规的数学方法不能解决,需要引入模糊数学的理论。对于使用预测模型进行预测时获得可信的预测结果的概率(可靠度),用常用的预测模型的评价方法是无法得出的。因此,笔者根据模糊数学和可靠性理论提出一种评价预测模型可靠性的新方法,介绍新方法的评价过程。 2004年 第28卷 石油大学学报(自然科学版) Vol.28 No.4 第4期 Journal of the U niversity of Petroleum,China Aug.2004 模糊聚类分析法及其应用 （汽车学院钟锐 2011122071） 摘要模糊聚类分析方法是一种多元统计分析方法, 它通过多个指标将样本划分为若干类, 这种分类方法能很好地应用于交通规划、交通流分析、安全评价等多个方面。文章以交通调查的选择为例说明了模糊聚类分析在规划过程中的具体应用, 并分析了模糊聚类分析在交通规划其他方面的应用。在交通调查中, 可利用模糊聚类分析将交通分区按工业、居住、公建、道路绿化广场等各项用途来进行分类。可相应减少同类交通分区的相似调查工作量。 关键词模糊聚类分析; 交通规划; 交通调查 1 问题的提出 交通规划旨在确定公路和城市道路交通建设的发展目标, 设计达到这些目 标的策略、过程与方案。交通规划包括目标确定、组织工作、数据调查、相关基本模型分析、分析预测、方案设计、方案评价、方案实施过程中的信息反馈和修改等工作阶段。在交通规划的很多阶段, 需要进行分类。例如可将众多的交通小区划分成几大类, 将具有相似特性的交通小区归于一类, 可以减少调查的工作量; 对线路网络进行分析评价时, 也需要进行分类。单一的指标往往不能全面反映交通分区之间的关系, 需要用多个指标来进行。在分类方法中,聚类分析是一种应用很广泛的方法, 它在交通规划领域应用较多。 2 聚类分析方法 聚类分析取意于“人以群分, 物以类聚”的俗语, 即将一组事物根据其性质上亲疏远近的程度进行分类, 把性质相近的个体归为一类, 使得同一类中的个体具有高度的同质性, 不同类之间的个体具有高度的异质性。为使分类合理, 必须描述个体之间的亲疏程度。对此, 通常有距离法、相关系数法等方法。距离法是将每个样本看成m( m 为统计指标的个数) 维空间的一个点, 在m 维空间中定义点与点之间的某种距离; 相关系数法是用某种相似系数来描述样本之间的关系, 如相关系数。聚类的方法有很多, 如系统聚类法、模糊聚类法、分裂法、 用模糊数学班上的学生进行评估 姓名：李万杰 学号：201107010113 2014年6月27日 模糊数学综合评判法，作为一种模糊数学方法，被用于各个领域，取得了很好的效果。本文将用这种方法分析班上的学生以成绩分类。这种方法能有效处理学生平时成绩中的一些模糊性，同时，也使考核的成绩更加合理与公正。 一、模糊数学的基本概念 长期以来，人们对干客观事物的认识习惯于追求其精确性或清晰性。但人脑作为认识和改造客观世界的主体，对自然现象的反映往往都是模糊的。模糊集合是对这些模糊现象或模糊概念的刻画。利用模糊数学理论，建立模型，根据模糊数学最大隶属度原则，使学生以成绩分类更加合理化。综合评判就是对受到多个因素制约的事物或对象作出一个总的评价，这是在日常生活和科研工作中经常遇到的问题，由于从多方面对大学生综合素质进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评价将使结果尽量客观从而取得更好的实际效果。 二、评定学生平时成绩的依据 通过长期的教学实践，对学生平时成绩的评定主要依据四个方面：(1)出勤情况，以学生到课情况作为平时成绩给定的依据，这一评价制度的具体要求是通过上课点名的办法来找出缺课的学生。(2)课堂表现，包括课堂笔记记录情况、回答问题的积极主动性、课堂纪律等。根据“上课提问情况”来评定平时成绩是教师经常使用的方法。这种方式也存在不足：假设每一个学生在教师提问 后都举手抢答，教师应该将首答权交给谁呢?这一模式的公正程度取决于教师有没有足够的时间允许学生都回答课堂上的提问。(3)作业情况，检查平时作业是教师经常使用的考核学生平时学习情况的重要方法。然而实践表明，这个方法也存在不足。由于教师无法了解学生的平时作业究竟是不是自己独立完成的，在假定“学生都能按时完成作业”的前提下，教师只能根据作业的工整情况或对错状况来判定学生的平时成绩。教师经常遇到的问题是：有时抄袭作业的学生，作业的卷面反而要比自己独立完成的学生要工整些；或者由于参考了一些同学的作业，其正确率反而比独立完成的同学高一些。(4)平时测验情况。对上述四个方面综合考虑，把学生平时成绩评定分为四级：优、良、中、差。在上述评定学生平时成绩的主要依据的因素中，多数因素很难区分出较严格的数值界限，而且有一定的相关性和很大的“模糊性”。对这些具有“模糊性”的因素进行综合评定，并以此来确定学生平时成绩是很困难的。采用模糊综合评判法来考核学生的平时成绩，在促进学生学习积极性方面，效果是明显的，同时也使考核的成绩更加合理、公正。 三、模糊数学综合评判法 所谓评判，就是按给定的条件对事物的优劣、好坏进行评比、判别；综合的意思就是指评判条件包含多个因素或多个指标。因此，综合评判就是要对受多个因素影响的事物作出全面评价。综合评判的方法有许多种，常用的有两种： (一)评总分法。即根据评判对象列出评价项目，对每个项目定出评价的等级，并用分数表示，以决定方案的优劣。 (二)加权评分法。这种方法主要考虑诸因素(或诸指标)在评价中所处的地位或所起的作用不尽相同，因此不能一律平等地对待诸因素(或诸指标)。于是，就引进了权重的概念，它体现了诸因素(或诸指标)在评价中的不同地位或不同作 模糊数学方法的数学模型和主观性较强的多属性评价模型 对于非标准化的电子作品难以用精确的百分制来进行评定的问题，可以引入模糊数学方法的数学模型与多属性评价模型进行评价 1．模糊数学方法的数学模型 评价学生成绩的因素可划分为若干类（如课堂平时成绩、电子作品集、其中成绩和期末考试），每类又有相应的评价权重（如课堂平时成绩占30%、电子作品集占20%、期中成绩占20%和期 末考试占30%）和评价等级（如课堂平时成绩—优秀、电子作品集—良好、其中成绩—中、期末考试—良好），称为一级评价因素；而每一类一级评价因素（如电子作品集）又可包含若干二级评价因素（如电子作品集好坏的评价标准）和每个评价标准的权重，依次类推。下面的模型只考虑具有二级评价因素的问题如何用模糊数学的方法来做出科学的评价。 假设考虑学生的成绩的因素中，一级评价因素有n 类，记为U ={u 1,u 2,u 3,…,u n }，其权重为),,,(21n w w w W =，其评价等级对应的成绩为=D ),,,(21n d d d ，则该学生的成绩为： CJ==D W T )(2121n n d d d w w w ?????? ? ?? 下面求=D ),,,(21n d d d 。假设某个评价因素u i 有m 个二级评价指标，记为V i ={v i 1,v i 2,v i 3,…,v im }，权重分别为Q i ={q i 1,q i 2,q i 3,…,q im }，有t 种评价等级，记为P ={p 1,p 2,p 3,…,p t }，与各等级对应的分数是F ={f 1,f 2,f 3,…,f t }，有k 个评委对每个指标的各个等级的投票人数为矩阵W m *t ： W m *t =?? ? ? ? ?? ??32 1 22221 11211m m m t t w w w w w w w w w 其中， m i k w t j ij ,,2,1,1 ==∑= 则D i ),,2,1(n i =为各矩阵的乘积： Q 1*m *W m *t * F t *1 = ()??? ? ? ?? ????????? ??t mt m m t t im i i f f f w w w w w w w w w q q q 212 1 22221 112112 1 多级评价等级可以多次使用此法求得。 第二节 模糊聚类分析方法 在科学技术、经济管理中常常要按一定的标准（相似程度或亲疏关系）进行分类。例如，根据生物的某些性状可对生物分类，根据土壤的性质可对土壤分类等。对所研究的事物按一定标准进行分类的数学方法称为聚类分析，它是多元统计“物以类聚”的一种分类方法。由于科学技术、经济管理中的分类界限往往不分明，因此采用模糊聚类方法通常比较符合实际。 一、模糊聚类分析的一般步骤 1、第一步：数据标准化[9] （1） 数据矩阵 设论域12{,,,}n U x x x = 为被分类对象，每个对象又有m 个指标表示其性状，即 12{,,,}i i i im x x x x = (1,2,,i n = ， 于是，得到原始数据矩阵为 11 121 2122 2 1 2 m m n n nm x x x x x x x x x ?? ? ? ? ??? 。 其中nm x 表示第n 个分类对象的第m 个指标的原始数据。 （2） 数据标准化 在实际问题中，不同的数据一般有不同的量纲，为了使不同的量纲也能进行比较，通常需要对数据做适当的变换。但是，即使这样，得到的数据也不一定在区间[0,1]上。因此，这里说的数据标准化，就是要根据模糊矩阵的要求，将数据压缩到区间[0,1]上。通常有以下几种变换： ① 平移·标准差变换 i k k ik k x x x s -'= (1,2,,; 1,2,i n k m == 其中 1 1n k i k i x x n == ∑ ， k s = 经过变换后，每个变量的均值为0，标准差为1，且消除了量纲的影响。但 是，再用得到的ik x '还不一定在区间[0,1]上。 ② 平移·极差变换 111m i n { } m a x {}m i n {} i k i k i n ik ik ik i n i n x x x x x ≤≤≤≤≤≤''-''=''-，(1,2,,)k m = 显然有01ik x ''≤≤，而且也消除了量纲的影响。 ③ 对数变换 lg ik ik x x '= (1,2,,; 1,2,i n k m == 取对数以缩小变量间的数量级。 2、第二步：标定（建立模糊相似矩阵） 设论域12{,,,}n U x x x = ，12{,,,}i i i im x x x x = ，依照传统聚类方法确定相似系数，建立模糊相似矩阵，i x 与j x 的相似程度(,)ij i j r R x x =。确定(,)ij i j r R x x =的方法主要借用传统聚类的相似系数法、距离法以及其他方法。具体用什么方法，可根据问题的性质，选取下列公式之一计算。 （1） 相似系数法 ① 夹角余弦法 m ik jk ij x x r = ∑ ② 最大最小法 11 () () m ik jk k ij m ik jk k x x r x x ==∧= ∨∑∑。 ③ 算术平均最小法 模糊识别作业一 各个湖水评价等级（由极贫营养到极富营养）其隶属函数依次如下： 44110341)(≥<<≤?????-=x x x x x A μ ???? ???? ?--=0192331)(x x x B μ 23 23441≥<<≤ 模糊识别作业二 现有茶叶等级标准样品五种：E B A，其中放映茶叶质量的因素 C D 论域为U，{} 条索 = U。假设各个等级的模糊 色泽 汤色 香气 滋味 净度 集为： 5.0( = A 4.0 5.0 3.0 )4.0 6.0 3.0( B = 2.0 2.0 2.0 )2.0 1.0 2.0 2.0( = C 2.0 )2.0 1.0 1.0 0( = D 1.0 2.0 )1.0 1.0 1.0 0( E 1.0 = 1.0 1.0 )1.0 1.0 现有一样品，其模糊集为： 4.0( L = 2.0 )6.0 1.0 5.0 4.0 试依据择近原则确定该样本属于哪一等级。 模糊聚类分析作业一 下表表示的是某地区12个县从1981—1990年的降水量，试根据以下数据，按降水量将12个县进行分类。 通过数据标准化，构建模糊相似矩阵，合成模糊等价矩阵，基于模糊等价矩阵，选取适当的λ值，进行模糊聚类分析，给出分类结果。 四 模糊聚类分析方法 模糊聚类分析，是从模糊集的观点来探讨事物的数量分类的一类方法。这里将主要介绍基于模糊等价关系与基于最大模糊支撑树的模糊聚类分析方法。 一、基于模糊等价关系的模糊聚类分析方法 基于模糊等价关系的模糊聚类分析方法的基本思想是：由于模糊等价关系~R 是论域集U 与自己的直积U U ?上的一个模糊子集，因此可以对~ R 进行分解，当用λ-水平对~R 作截集时，截得的U U ?的普通子集~ R λ就是U 上的一个普通等价关系，也就得到了关于U 中被分类对象元素的一种分类。当λ由1下降到0时，所得的分类由细变粗，逐渐归并，从而形成一个动态聚类谱系图。由此可见，分类对象集U 上的模糊等价关系~ R 的建立是这种聚类分析方法中的一个关键性的环节。(一)建立模糊等价关系 为了建立分类对象集合U 上的模糊等价关系R *，通常需要首先计算各个 分类对象之间的相似性统计量，建立分类对象集合U 上的模糊相似关系~R 。1.模糊相似关系的建立关于各分类对象之间相似性统计量r ij 的计算，除了 采用夹角余弦公式和相似系数计算公式以外，还可以采用如下几个计算公式。(1)数量积法： 在(1)式中，M 是一个适当选择之正数，一般而言，它应满足： (2)绝对值差数法： 在(2)式中，c 为适当选择之正数，使0≤r ij ＜1(i≠j)。 (3)最大最小值法： (4)算术平均最小法： (5)绝对值指数法： (6)指数相似系数法： 在(6)式中，s k 是第k 个指标的方差，即 2 将模糊相似关系~R 改造为迷糊等价关系~R *。由于模糊相似关系~ R 满足自反性和对称性，但一般而言，它并不满足传递性，也就是说它并不是模糊等价关系。因此，为了聚类，我们必须采用传递闭合的性质将这种模糊相似关系~ R 改造为模糊等价关系~R *。改造的办法是将~ R 自乘，即这样下去，就必然会存在一个自然数K ，使得： 这时，~~ k R R *=便是一个模糊等价关系了。 (二)在不同的截集水平下进行聚类 用上述模糊等价关系~ R *，在不同的截集水平下聚类，可以得到不同的聚类结果： 二、基于最大模糊支撑树的模糊聚类分析方法 除了依据模糊等价关系进行聚类分析外，还可以应用最大模糊支撑树进行聚类分析。基于最大模糊支撑树的聚类分析过程，可按如下步骤进行。第一步：建立分类对象集上的模糊相似关系，构造模糊图。这一步骤的工作可按如下作法进行： 计算各个分类对象之间的相似性统计量r ij (i ，j=1，2，…，m)，建 立分类对象集U 上的模糊相似关系~ ()ij m n R r ?=。将~ R 表示成一个由m 个结点所构成的模糊图G=(V,E),使G 中的任意两个结点V i 与V j 之间都有一条边相连结，且赋该边的权值为r ij 。假若，对于某五个地理区域所构成的分类对象集合V=｛v 1，v 2，v 3，v 4，v 5｝， 经过选择聚类要素并对其原始数据进行标准化处理后，计算各分类对象之间的相似性统计量，得到如下的模糊相似关系翻译质量评估(TQA)中以模糊数学为基础的量化方法探讨-精选教育文档
模糊聚类分析应用
模糊综合评价方法案例
预测模型可靠性的模糊数学评价方法
模糊聚类法
用模糊数学对学生成绩进行评估
模糊数学模型和评价模型
模糊聚类分析方法
模糊数学例子
模糊聚类分析
相关主题
文本预览