模糊分析法归一化软件 模糊综合评价归一化

发布日期：2020-11-11

层次分析法和模糊层次分析法有什么不同

模糊层次分析法是将模糊分析法和层次分析法结合起来的一种方法。

而层次分析法只有层次分析法一种方法。

一般用层次分析法做两件事，一是将目标按层次细分为许多不同的指标或方面；二是在确定权重时使用。

但是大部分人只将确定权重那部分称作层次分析法。

模糊数学评价是由美国控制论专家查德于1965年提出的，它引入模糊数学中的“隶属度”，用隶属函数对具有模糊性的指标进行处理。

模糊数学评价用隶属函数描述方案的得分来量化指标实测值，可以较好地解决综合评价中的模糊性（如因素类属之间的不清晰性 、 专家认识评价上的模糊性等），可最大限度地减少人为因素，因此该数学工具非常适合用于对环境投资项目绩效的审计。

模糊数学评价的具体过程主要包括确定因素集、评价指标的无量纲化处理、给定各指标层权重、建立评价等级集、确定隶属关系，建立模糊评价矩阵、进行模糊矩阵的运算，得到模糊综合评价结果六个方面。

简要地说，就是把评价语好中差之类的变成数字分数，然后用矩阵向量乘来乘去的，最后得到评价结果的综合方法。

也就是说，模糊评价法是一种对方案进行综合判断筛选的方法，层次分析法负责指标细分和权重设计方面。

要是再不明白只能多去看看论文了。

。

。

...

求 用因子分析法确定权值 ？？（用SPSS软件）。

。

。

模糊聚类分析是聚类分析的一种。

聚类分析按照不同的分类标准可以进行不同的分类。

就好像人按照性别可以分成男人和女人，按照年龄可以分为老中青一样。

聚类分析如果按照隶属度的取值范围可以分为两类，一类叫硬聚类算法，另一类就是模糊聚类算法。

隶属度的概念是从模糊集理论里引申出来的。

传统硬聚类算法隶属度只有两个值 0 和 1。

也就是说一个样本只能完全属于某一个类或者完全不属于某一个类。

举个例子，把温度分为两类，大于10度为热，小于或者等于10度为冷，这就是典型的“硬隶属度”概念。

那么不论是5度 还是负100度都属于冷这个类，而不属于热这个类的。

而模糊集里的隶属度是一个取值在[0 1]区间内的数。

一个样本同时属于所有的类，但是通过隶属度的大小来区分其差异。

比如5度，可能属于冷这类的隶属度值为0.7，而属于热这个类的值为0.3。

这样做就比较合理，硬聚类也可以看做模糊聚类的一个特例。

你说的动态模糊分析法我在文献里很少见到好像并不主流，似乎没有专门的这样一种典型聚类算法，可能是个别人根据自己需要设计并命名的一种针对模糊聚类的改进方法，这个不好说了就。

我见过有把每个不同样本加权的，权值自己确定，这样就冠以“动态＂二字，这都是作者自己起的。

也有别的也叫”动态“的，可能也不一样，似乎都是个别人自己提出的。

至于文献，你可以到中国知网搜索博士或者硕士毕业论文，有关模糊聚类为题目的，在第一章引言里面必然会有详细的介绍，或者联系我，我就是做这方面的。

希望能对你有所帮助，给点分吧，打的挺累的。

同求模糊分析法的资料。

。

你的论文题目在理工科里面算很简单的啦模糊层次分析法在系统工程类的书里面有讲，先说说层次分析法，如果有很多人参加面试，你可以选择分几类不同权重指标的考察方式进行录用，对这些指标进行数字化处理，应用矩阵运算和相关约束可以获得最终结果。

但是很多情况下我们不能很好的给出指标权重，或者各指标难于量化，或者一致性约束很难达到，我们就引入参数，也就是模糊层次分析法的最简单解释了运输指派问题查看运筹学的书，分很多类可以讨论，你可以选择一种运输问题，也可以选择几种把这两部分结合起来，用mathlab建模解决一两类运输问题解法，引用点东西，论文一周内肯定搞定拉....

急问模糊层次分析法如何操作？

在根据评语级和你确定的定量分析范围，给出隶属的矩阵，最后用隶属度矩阵乘以权重向量，就可以得到最后的结论了，用MATLAB 主要是方便计算哈 可以自己手算，你选得指标不可能很多的！其实可以不用MATLAB 你用的是AHP-模糊综合评价法 先用AHP 确定权重 （找专家打分解决），然后在建立模糊评语级...

层次分析法和模糊综合评价法优缺点

层次分析法优缺点（一）优点1. 系统性的分析方法层次分析法把研究对象作为一个系统，按照分解、比较判断、综合的思维方式进行决策，成为继机理分析、统计分析之后发展起来的系统分析的重要工具。

系统的思想在于不割断各个因素对结果的影响，而层次分析法中每一层的权重设置最后都会直接或间接影响到结果，而且在每个层次中的每个因素对结果的影响程度都是量化的，非常清晰、明确。

这种方法尤其可用于对无结构特性的系统评价以及多目标、多准则、多时期等的系统评价。

2. 简洁实用的决策方法这种方法既不单纯追求高深数学，又不片面地注重行为、逻辑、推理，而是把定性方法与定量方法有机地结合起来，使复杂的系统分解，能将人们的思维过程数学化、系统化，便于人们接受，且能把多目标、多准则又难以全部量化处理的决策问题化为多层次单目标问题，通过两两比较确定同一层次元素相对上一层次元素的数量关系后，最后进行简单的数学运算。

即使是具有中等文化程度的人也可了解层次分析的基本原理和掌握它的基本步骤，计算也经常简便，并且所得结果简单明确，容易为决策者了解和掌握。

3. 所需定量数据信息较少层次分析法主要是从评价者对评价问题的本质、要素的理解出发，比一般的定量方法更讲求定性的分析和判断。

由于层次分析法是一种模拟人们决策过程的思维方式的一种方法，层次分析法把判断各要素的相对重要性的步骤留给了大脑，只保留人脑对要素的印象，化为简单的权重进行计算。

这种思想能处理许多用传统的最优化技术无法着手的实际问题。

[1] （二）缺点1. 不能为决策提供新方案层次分析法的作用是从备选方案中选择较优者。

这个作用正好说明了层次分析法只能从原有方案中进行选取，而不能为决策者提供解决问题的新方案。

这样，我们在应用层次分析法的时候，可能就会有这样一个情况，就是我们自身的创造能力不够，造成了我们尽管在我们想出来的众多方案里选了一个最好的出来，但其效果仍然不够企业所做出来的效果好。

而对于大部分决策者来说，如果一种分析工具能替我分析出在我已知的方案里的最优者，然后指出已知方案的不足，又或者甚至再提出改进方案的话，这种分析工具才是比较完美的。

但显然，层次分析法还没能做到这点。

2. 定量数据较少，定性成分多，不易令人信服在如今对科学的方法的评价中，一般都认为一门科学需要比较严格的数学论证和完善的定量方法。

但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。

层次分析法是一种带有模拟人脑的决策方式的方法，因此必然带有较多的定性色彩。

这样，当一个人应用层次分析法来做决策时，其他人就会说：为什么会是这样？能不能用数学方法来解释？如果不可以的话，你凭什么认为你的这个结果是对的？你说你在这个问题上认识比较深，但我也认为我的认识也比较深，可我和你的意见是不一致的，以我的观点做出来的结果也和你的不一致，这个时候该如何解决？比如说，对于一件衣服，我认为评价的指标是舒适度、耐用度，这样的指标对于女士们来说，估计是比较难接受的，因为女士们对衣服的评价一般是美观度是最主要的，对耐用度的要求比较低，甚至可以忽略不计，因为一件便宜又好看的衣服，我就穿一次也值了，根本不考虑它是否耐穿我就买了。

这样，对于一个我原本分析的‘购买衣服时的选择方法’的题目，充其量也就只是‘男士购买衣服的选择方法’了。

也就是说，定性成分较多的时候，可能这个研究最后能解决的问题就比较少了。

对于上述这样一个问题，其实也是有办法解决的。

如果说我的评价指标太少了，把美观度加进去，就能解决比较多问题了。

指标还不够？我再加嘛！还不够？再加！还不够？！不会吧？你分析一个问题的时候考虑那么多指标，不觉得辛苦吗？大家都知道，对于一个问题，指标太多了，大家反而会更难确定方案了。

这就引出了层次分析法的第三个不足之处。

3. 指标过多时数据统计量大，且权重难以确定当我们希望能解决较普遍的问题时，指标的选取数量很可能也就随之增加。

这就像系统结构理论里，我们要分析一般系统的结构，要搞清楚关系环，就要分析到基层次，而要分析到基层次上的相互关系时，我们要确定的关系就非常多了。

指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。

那么我们就需要对许多的指标进行两两比较的工作。

由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性，如果有越来越多的指标，我们对每两个指标之间的重要程度的判断可能就出现困难了，甚至会对层次单排序和总排序的一致性产生影响，使一致性检验不能通过，也就是说，由于客观事物的复杂性或对事物认识的片面性，通过所构造的判断矩阵求出的特征向量（权值）不一定是合理的。

不能通过，就需要调整，在指标数量多的时候这是个很痛苦的过程，因为根据人的思维定势，你觉得这个指标应该是比那个重要，那么就比较难调整过来，同时，也不容易发现指标的相对重要性的取值里到底是哪个有问题，哪个没问题。

这就可能花了...

spss数据归一化,求教用spss的因子分析法求权重,具体作方

因子分析1输入数据。

2点Analyze 下拉菜单，选Data Reduction 下的Factor 。

3打开Factor Analysis后，将数据变量逐个选中进入Variables 对话框中。

4单击主对话框中的Descriptive按扭，打开Factor Analysis: Descriptives子对话框，在Statistics栏中选择Univariate Descriptives项要求输出个变量的均值与标准差，在Correlation Matrix 栏内选择Coefficients项，要求计算相关系数矩阵，单击Continue按钮返回Factor Analysis主对话框。

5单击主对话框中的Extraction 按钮，打开如下图所示的Factor Analysis: Extraction 子对话框。

在Method列表中选择默认因子抽取方法——Principal Components，在Analyze 栏中选择默认的Correlation Matrix 项要求从相关系数矩阵出发求解主成分，在Exact 栏中选择Number of Factors;6， 要求显示所有主成分的得分和所能解释的方差。

单击Continue按钮返回Factor Analysis主对话框。

6单击主对话框中的OK 按钮，输出结果。

请问模糊综合评价法在遇到存在两级指标的情况时需要做几次归一化？...

通产品用性测试我能收集诸定量数据比：任务确率、求助数、任务完间用户主观满意度等面数据并能通任务完观察测试与参加者交流获些定性数据（用性问题优点）进通些数据统计获知测产品总体用性状况由于些度量指标具同属性其所进行简单统计足形产品用性衡量标准层模糊综合评价（AHP）我处理些评价数据提供种用量化统计式获用户体验质量综合性评判与灰色关联同：灰色关联更侧重于产品设计案或者间版本进行比较其建立比较基础层综合评价则单产品或设计案用性进行衡量量化 评事物属性明确我根据模糊隶属度函数评事物相关素合理量化使模糊环境评价综合性及合理性面保证并通层确定评价素权重结合总结性测试两面凋整进建立模糊综合评估模型产品体验质量进行衡量 层综合评价基本思路：首先确立评价指标体系设定评价集并确立评价素隶属度函数；通层确定评价素权重；产品体验质量进行综合评判 1. 何确定评价集隶属度函数： 首先需要确定针各指标评价集={v1v2vn}及评价素隶属度函数般采用梯形布及半梯形布构造隶属度函数符合用户体验质量渐变连续特点指标评价标准5等级（差差般）即定义用户体验质量等级假设A指标评价集模糊集隶属度函数： 函数v用户测试获相关指标用性结数据；v1、v2、v3、v4、v5、v6各评价标准等级阈值针任务完率等阈值别0、0.3、0.6、0.8、0.95、1针问卷评阈值别1、2、3.5、5.5、6.5、7; c1、c2、c3、c4、c5别区间 （v1 v2）、（v2 v3）、（v3 v4）、（v4 v5）、（v5 v6）值 举例： 假设经测试某位用户任务完率0.该用户任务完率作v代入述隶属度函数取 v1、v2、v3、v4、v5、v60、0.3、0.6、0.8、0.95、1 c1、c2、c3、c4、c50.15、0.45、0.7、0.、0.则该用户任务完率模糊集{A1、A2、A3、 A4、A5}{0、0、0、0.8、1}测试所用户任务完率模糊集进行合并则任务完率模糊矩阵 点说明： 针任务完间、操作路径度等些指标确定相统阈值需要进行转换转换公式： 其x&rsuo；转换数值x转换前数值E针该指标期望值或者说产品预期达数值经转换些指标阈值统 {v1、v2、v3、v4、v5、v6}={0、0.3、0.6、0.8、0.95} 2. 何确定评价素权重： 评价素权重需针具体指标体系进行设置假设前级评价指标包含n素n素两两进行比评价素权重矩阵A: aij表示素Ai相于素Aj重要程度比符合：①aij=1(i=j)；②aji=1/aij；③aij通saaty1-9比率标度确定具体： 判断矩阵权重值wi根据积进行计算计算： 我采用致性比率CR判断矩阵致性进行检验CR定义： 其λx判断矩阵特征值 RI已知平均致性指标判断矩阵阶数23RI值别00.58CR于等于0.1 判断矩阵具良致性否则需要判断矩阵进行重新调整 举例： 假设我整评价体系包含产品交互数据评价交互数据包含效效率两指标获取针交互数据评价素权重我首先需要请产品专家用性工程师交互数据两评价指标按照1-9比率标度进行两两比较评价结&rduo；效&rduo；素&rduo；效率&rduo；素比较同等重要稍微重要点间即&rduo；效&rduo；比&rduo；效率&rduo；评价结2根据层确定关于交互数据评价素权重矩阵结： 我整产品评价体系能交互数据评价素整评价体系建立： 我需要按照述再依用户满意度观察者评估评价素权重进行计算用户满意度、观察者评估及总用户体验质量评估权重矩阵 至用户评价集评价素权重都已确定我要做两部结进行综合即终体验质量总体评价结 3. 何进行层模糊评价： 首先我需要第步已获用户评价隶属度矩阵进行归化处理：先每位用户数据隶属度数据进行合计针每评价指标用户各评价等级数据累加值Cj(j=12345);Cj进行归化处理具体： 任务完率（效性指标）例假设用户任务完率、隶属各等级数据及通归化处理数据表（表数据均假设数据） 用同获所级指标归化rj确定级模糊评判矩阵假设针任务完间（效率指标）其归化rj{0. 0. 0. 0. 0.}交互数据（包括效效率两指标）级模糊评判矩阵即： 评价素权重级模糊评判矩阵进行合级指标综合评判结采用合算： bj计算完针级指标（比交互数据）综合评判结：B1=(b1 b2 b3 b4 b5)用假设数据进行计算结 B1=(0. 0. 0. 0. 0.)同用户满意度观察者评价假设数据进行计算用户满意度B2=(0 0. 0. 0. 0.)观察者评价B3=(0 0 0. 0. 0.) 级指标综合评判结作二级评判模糊矩阵获产品综合用户体验质量模糊评判矩阵： 通用户体验质量总体评价素权重二级模糊评判矩阵进行合（合算同）用户体验质量综合评判结 B=(0. 0. 0. 0. 0.) 评价集作相应等级赋值（9582般67差50差31）即直观百制评价结相应转换公式： 用假设数据 B=(0. 0. 0. 0. 0.)代入a=83.22处于良等级 于总体用户质量百制评价转换适用于各级指标体系比：交互数据、用户满意度等进步发现其产品体验质量究竟哪部发问题 总体说模糊评价应用符合用户体验质量边界明确特点弥补由于用性用户体验模糊属性所带评估能偏差 系列文章：产品用户体验质量模糊评价（1）灰色关联 文章源：网易用户体验设计 转载请注明处链接 展开