排序方式: 共有40条查询结果,搜索用时 359 毫秒
1.
为在评价数据的无量纲化处理过程中兼顾异常值情形,并减弱因异常值的存在而导致的无量纲化后数据之间分布不均衡的问题,在极值处理法的基础上,提出了一种非线性的无量纲化方法,即序比例诱导分段无量纲化方法。该方法以原始指标值的排序百分比为诱导变量对原始指标值进行分段,并在各区段内以极值处理法为基础分别进行无量纲化处理。通过性质分析,发现该方法能够较大程度地提升无量纲化结果对“总量恒定性”性质的满足程度。此外,采用模拟仿真的方法发现,该无量纲化方法对异常值具有较好的抗干扰性、且随着分段层级的增加其对异常值的敏感程度越来越低等主要结论。 相似文献
2.
针对由多方参与的政府绩效评价问题,首先对绩效评价的基本模式进行了探讨,在此基础上,分析了由各类参与者提供的多结构评价信息的处理问题,提出了适用于多方参与的政府绩效评价的信息处理模式及求解方法。在该方法中,首先按评价参与者的身份特征对其进行归类,并将同一类别中的评价信息按综合评价流程进行链接,最终形成由多条信息流构成的信息集成框架;然后,采用随机模拟仿真的方法对信息集成框架进行整体求解,得到各被评价对象之间优劣比较的优胜度矩阵,在此基础上推导出被评价对象之间带有概率特征的可能性排序;最后,采用模拟案例的方式对该方法的应用进行了说明。 相似文献
3.
为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的. 相似文献
4.
针对决策信息为区间数形式的不确定多属性决策问题,将密度中间算子由精确值形式拓展到区间数形式.通过引入"区间隶属度"的概念对区间数进行聚类,并给出一种通过规划模型确定密度加权向量的方法;在此基础上,对区间数密度中间算子及其合成算子进行了界定.最后,通过一个算例对区间数密度算子的应用进行了说明.该方法结合区间数的特征,进一步拓展了密度算子的理论体系和实际应用范围. 相似文献
5.
对由混合数据、多类型的赋权方法、多结构的集结方式等组成的广义混合型决策信息,研究该类决策信息的综合集成和求解问题。首先以传统的决策流程为底层框架,对广义混合型决策信息进行分类整合,构建信息集成框架;然后,从随机模拟视角分析了信息集成框架的求解方法并归纳了求解的基本步骤。在此基础上,通过导弹方案的选择问题对本文给出方法的具体应用进行了说明,并验证了该方法的有效性。本文通过构建信息集成框架的方式解决了多类型决策信息的融合难题,且实现了信息集成框架的柔性求解。该研究可为民主决策中多来源、多类型决策信息的融合提供技术参考。 相似文献
6.
带有情感客观过滤特征的综合评价方法及应用 总被引:1,自引:0,他引:1
针对评价主体以打分形式给出评价信息的主观自主式综合评价问题,提出一种将主观情感因素降至最低的评价方法。该方法的原理是给定评价对象一个待定的虚拟评价值,并对其进行循环优化,使其无限接近于评价对象的客观表现。首先,给定评价对象一待定虚拟值,据此提出了一种确定评价对象群体评价值的方法;在此基础上,基于群体评价值与待定虚拟值离差最小化的思想给出了确定虚拟值的规划方法;然后,以评价对象的虚拟值为基准,对各评价主体给出的评价值进行循环调整,从而达到对虚拟值进行循环优化的目的。最后,通过一个算例验证了该方法的有效性。 相似文献
7.
8.
从提升被评价对象竞争优势的角度对密度算子进行拓展研究,提出了竞争性密度算子的概念.首先,简要地介绍了密度算子,并给出了密度算子的具体表达式;基于此,给出了一种竞争规则,该规则分别从待集结信息的聚类和密度权重的确定两方面保证了被评价对象的竞争优势.最后,通过一个算例对竞争性密度算子的应用作了说明,并将其集结值与相应的已有集结算子的集结值进行比较,指出竞争性密度算子尤其适用于"偏才"或"怪才"的选取. 相似文献
9.
基于多维诱导分量的拓展IOWA算子及其应用 总被引:1,自引:0,他引:1
受单一诱导分量不可排序的启发,提出了一种多维诱导分量的拓展IOWA(MIOWA)算子,它可以根据特定背景定义诱导分量的涵义,从不同侧面反映数据分量的若干特性.针对具有自主式特征的协商评价问题,定义了一个二维诱导分量的拓展IOWA算子,使得在多属性信息集结的过程中能够体现方案的相对优势和绝对优势;给出一个决定位置权向量的权数非独裁性协商规则下最大化orness水平的规划模型.最后给出一个算例说明了方法的可行性. 相似文献
10.
动态综合评价中的无量纲化方法 总被引:7,自引:0,他引:7
指出现有动态综合评价方法中采用静态无量纲化方法在处理时序数据时会消除数据中隐含增量信息的问题,针对该问题,提出了3种基本的改进方法,分别是标准序列法、全序列法及增量权法,并用一个算例对不同改进方法的特点进行了分析.结果显示,若对横向信息或纵向信息无特殊的主观偏爱,全序列法是一种简便直观且易于理解的改进思路,能够很好地拓展至各种静态无量纲化方法中,并能充分保留方法原有的数值特点,建议优先选用.另外,提出的思路可推广至动态非线性无量纲化问题中. 相似文献