什么是模糊综合评价模型
教学评价的模糊评价模型及算法研究

教学评价的模糊评价模型及算法研究随着教育技术的发展,模糊评价模型和算法在教育评价领域中发挥着越来越重要的作用。
本文将探讨模糊评价模型及其算法的定义、基本原理、应用示例以及发展前景。
一、模糊评价模型及算法定义模糊评价模型(Fuzzy Evaluation Model)是一种利用模糊数学原理对教育事件进行评价的数学模型。
模糊评价模型可以将不可量化的评价转换为可量化和可计算的量化指标,以便更好地评估教育事件的影响效果。
模糊评价模型中的算法也被称为模糊评价算法(Fuzzy Evaluation Algorithm)。
模糊评价算法是一种用于模拟不确定性的数学算法,它通常用来衡量不同的模糊评价模型。
二、基本原理模糊评价模型和算法的基本原理是:首先,使用某种量化方法(如数值、比例等)将教育事件的影响效果分解为多个可量化指标;其次,基于这些指标运用模糊数学和模糊逻辑,将不可量化的评价结果转换为精确的量化指标;最后,应用模糊评价算法,计算这些量化指标,从而得出教育事件的最终评价结果。
三、应用示例模糊评价模型和算法已经在诸如学生成绩评估、教师教学评价、课程评价以及其它教育相关评价等方面取得了广泛的应用。
其中,在学生成绩评估方面,模糊评价模型可以帮助教师对学生的学习状况进行综合考评,从而更好地衡量学生的学习水平;在教师教学评价方面,模糊评价模型可以根据教师的教学情况,如教学计划的科学性、教学质量的稳定性、教学内容的丰富性和多样性等,进行综合评价,从而对教师的教学效果进行准确地量化分析;在课程评价方面,模糊评价模型可以根据课程的安排、教学设计、内容教学等进行综合评估,从而为学校决策者提供相关数据支持。
四、发展前景教育技术的发展给模糊评价模型和算法的应用提供了很多机会。
未来,模糊评价模型和算法将被更广泛地应用于教育评价领域,比如学校管理、教学质量等,为教育改革提供得力支持。
除此之外,研究者们还会深入研究不同领域的模糊评估模型,比如智能系统和机器人学习领域,并有望开发出更加高效、准确和可靠的模糊评价算法来支持教育评价。
运用模糊综合评价模型优选方案

运用模糊综合评价模型优选方案在决策过程中,如何从几种方案中选择最佳方案是非常重要的,这就需要对几种方案进行评价,让投资者最后得出最佳决策。
往往一个非常复杂的问题,投资者只能从几个备选方案中进行比较。
因此,如何客观和准确地评价各个方案,使投资者可以根据实际情况,合理选择最佳方案,已成为研究的发展方向。
模糊综合评价模型是投资者在决策过程中客观评价各个方案,以便提出最优决策的一种方法。
它在参数化和定量分析的基础上,利用模糊数学和多属性决策理论,为投资者提供了一种基于客观标准的方法和分析模型,它可以从多维度综合评价各个方案的优劣。
对于模糊综合评价模型来说,首先要明确各个参数的定义,参数的定义要清晰,且必须具备一定的可衡量性。
通过定义参数,可以大致了解各个方案的优劣,也可以准确地衡量各个参数。
其次,将参数的衡量指标评分进行模糊处理,使各个参数的定量评价更加精确。
这一步可以帮助投资者更准确地评价几种备选方案,从而有利于确定最佳方案。
再次,用规则来综合多个参数,以便在更多方面影响投资者最终的决策。
模糊综合评价模型通过多种规则来综合定量评价几种备选方案,以便有效地客观地衡量各个方案的优劣,从而确定最优决策方案。
最后,把多种参数综合起来,以定量的形式对几种备选方案进行评估,以便投资者在决策过程中可以依据客观指标,进行准确简便的评估,最终得出最优决策方案。
以上是模糊综合评价模型的主要流程,从而可以从多方面全面了解几种备选方案,并准确衡量各个备选方案的优劣,最终得出最优决策方案,为投资者提供了一种客观有效的决策指导。
模糊综合评价模型的有效性和准确性在实践中有很好的表现,有很多成功应用的案例可以作为研究模糊综合评价模型的参考。
例如,某工程建设项目决策分析,由于备选方案众多,考虑到工期、质量、成本等多因素,投资者采用模糊综合评价模型对备选方案进行评估。
在模糊综合评价模型的帮助下,可以准确地分析备选方案,最终确定最优决策方案。
层次分析法及模糊综合评价

为残缺元素
Cw w
3, w (0.5714,0.2857,0.1429)T
Aw w
2 2 0 A 1/ 2 1 2
0 1/ 2 2
aij , i j, aij
aij 0,
i j, aij
mi 1, i j
mi~A第i 行 中的个数
6. 更复杂的层次结构 • 递阶层次结构:层内各元素独立,无相互影响和 支配;层间自上而下、逐层传递,无反馈和循环。 • 更复杂的层次结构:层内各元素间存在相互影响 或支配;层间存在反馈或循环。
• 精确计算的复杂和不必要
• 简化计算的思路——一致阵的任一列向量都是特征向量, 一致性尚好的正互反阵的列向量都应近似特征向量,可取 其某种意义下的平均。
和法——取列向量的算术平均
1 2 例 A 1/ 2 1
6 列向量 0.6 0.615 0.545 0.364 平均 0.324 w
为 A 的 截集,其中, 叫置信水平。
模糊综合评价
什么是事物的模糊性? 指客观事物在中介过渡时所呈现的“亦此亦彼性”。
(1)清晰的事物——每个概念的内涵(内在涵义或本质属性) 和外延(符合本概念的全体)都必须是清楚的、不变的,每个 概念非真即假,有一条截然分明的界线,如男、女。
(2)模糊性事物——由于人未认识,或有所认识但信息不够丰富, 使其模糊性不可忽略。它是一种没有绝对明确的外延的事物。 如美与丑等。人们对颜色、气味、滋味、声音、容貌、冷暖、 深浅等的认识就是模糊的。
定理1 正矩阵A 的最大特征根是正单根,对应
正特征向量w,且
lim
k
Ak e eT Ake
w,
e (1,1,,1)T
正互反阵的最大特征根是正数, 特征向量是正向量。
模糊综合评判法原理课件

我们称{Ui}是U的一个划分(或剖分),Ui称为类(或块).
有甲、乙、丙三项科研成果,现要从中评选出优秀项目。 三个科研成果的有关情况表
设评价指标集合: U={科技水平,实现可能性,经济效益}
1965年,美国伯克利加利福尼亚大学电机工程与计算机科 学系教授、自动控制专家L.A. Zadeh(扎德) 发表了文 章《模糊集》(Fuzzy Sets,Information and Control, 8, 338-353 ),第一次成功的运用精确的数学方法描述了 模糊概念,从而宣告了模糊数学的诞生.
2、确定评价对象的评语集.
设 出的V=各{v种1,v总2,的…评,价vn结},果是组评成价的者评对语被等评级价的对集象合可.能做 其 评价中结:v果j代数表.一第般j个划评分价为结3~果5个,等j=级1,.2,…,n. n为总的
评判集、评价集、决断集、评语集、等级集实为同一涵义. 每一个评价等级可对应一个模糊子集. 什么是模糊子集? 论域上的模糊集合称为模糊子集. 经典集合的指示函数扩展为模糊集合的隶属函数.
评语集合: V={高,中,低}
3、确定评价因素的权重向量 设 ai表A=示(a第1,ia个2,…因,素am的)为权权重重,要(权求数ai)>分0配,Σ模a糊i=1矢.量,其中 A反映了各因素的重要程度. 在进行模糊综合评价时,权重对最终的评价结果会产
生很大的影响,不同的权重有时会得到完全不同的结 论. 现在通常是凭经验给出权重,但带有主观性. 权重是以某种数量形式对比、权衡被评价事物总体中 诸因素相对重要程度的量值.
综合评价法(层次分析法)概述
模糊综合评价法和层次分析法比较

模糊综合评价法和层次分析法比较模糊综合评价法和层次分析法是两种常见的决策支持方法,它们在不同的领域和情境下被广泛应用。
本文将比较这两种方法,分析它们的优缺点以及适用范围。
一、模糊综合评价法模糊综合评价法是一种基于模糊数学理论的决策方法,通过对评价指标的模糊化处理,将不确定性因素引入决策过程中。
该方法的基本步骤包括问题建模、模糊化处理、建立模糊判断矩阵、确定权重和综合评价。
1. 优点- 能够处理决策过程中的不确定性和模糊性,适用于评价指标难以量化的情况;- 能够灵活地应对不同的问题,适用性广泛;- 算法相对简单,易于操作和理解;- 能够考虑到多个因素之间的相互影响,综合了多个评价指标,提高了决策的准确性。
2. 缺点- 对指标权重的确定比较主观,容易受到决策者的主观偏好影响;- 对评价指标的模糊化处理存在一定的主观性;- 结果的可解释性相对较差,不利于分析和决策结果的有效传达。
二、层次分析法层次分析法是一种基于分层结构的决策方法,通过构建层次结构模型,对决策问题进行分解和层次化处理,然后进行判断矩阵的构建和权重的确定,最后综合得出最优方案。
1. 优点- 相对客观可靠,能够减少主观因素对决策结果的影响;- 结果具有良好的可解释性和可比性;- 能够很好地反映各个评价指标之间的相对重要性;- 算法相对简单,易于操作。
2. 缺点- 只能处理定性指标的权重确定问题,对定量指标的处理能力有限;- 在处理复杂决策问题时,模型可能变得庞大和复杂,计算量增加;- 在处理有环结构的问题时,可能会导致矛盾结果。
三、比较与适用范围1. 比较- 评价指标处理:模糊综合评价法将评价指标进行模糊化处理,层次分析法将评价指标进行层次化处理;- 确定权重方法:模糊综合评价法基于决策者的主观偏好确定权重,层次分析法通过专家判断和数学方法确定权重。
2. 适用范围- 模糊综合评价法适用于评价指标难以量化、不确定性较高的问题;- 层次分析法适用于多个评价指标之间具有内在关系的问题。
学生评教的模糊综合评价模型

学生评教的模糊综合评价模型近年来,评价思想在教育领域的应用越来越受到重视,有越来越多的人注意到评价工作的重要性,其中包括学校和其他教育相关机构,以及社会各界。
评价思想和方法能够帮助改善学习质量,并积极推动教育改革。
因此,学校应当抓住机会,使用有效的评价方法,使学生表现得更好,促进学生发展。
模糊综合评价模型是一种有效的学生评价方法。
它综合考虑各种因素,如学习水平、行为习惯、综合素质等,以便给出更为准确的学生绩效评价。
模糊综合评价模型不仅能够反映学生的绩效,而且能够为教师提供更为准确的评估结果,以便在教学实践中采取更合理的措施,促进学生在教育过程中取得更大的进步。
首先,模糊综合评价模型可以针对学生的学习特点,提供灵活的评价方案。
它可以根据学生的学习情况、学习能力和学习习惯等因素,对学生的表现进行准确的定性和定量分析,让教师更容易地发现和了解学生的优势和劣势,从而更好地指导和帮助学生。
其次,模糊综合评价模型既体现了教师的角色,又反映了学生的学习情况。
当模糊综合评价模型进行评价时,教师会根据学生的学习情况,准确地估计学生的综合素质,并能够及时地发现和改善学生出现的学习和行为问题,促进学生的成长。
此外,模糊综合评价模型可以有效地提高学校的管理水平。
学校可以根据模糊综合评价模型给出的评价结果,对课程教学进行更加有效的管理,积极改善教学质量和学习环境,有效促进学生在教育过程中取得更大的进步。
最后,模糊综合评价模型可以更好地反映学生能力、表现和动机,深入挖掘学生的潜力。
教师可以根据学生的学习表现和兴趣,结合传统的学习理论,定制有针对性的学习过程,提高学生的学习积极性,实现学习更好的效果。
综上所述,模糊综合评价模型是一种有效的学生评价方法,可以促进学生发展,更好地满足学生的需求,提高学校管理水平,深入挖掘学生的潜能。
未来,模糊综合评价模型将成为学校学生评价方面的新宠,引领教育改革与发展的新模式,造福更多的学生。
模糊综合评价

0 . 5 0 . 1 0 . 2 0 . 1 0 . 2 0 . 6 0 . 1 0 . 5 , 0 . 5 0 0 . 2 0 0 . 2 0 . 1 0 . 1 0 . 2
模糊综合评价决策方法
模糊综合评价决策方法
对于方案、人才、成果的评价,人们的考虑不仅要从多 种因素出发,而且这些考虑一般只能用模糊语言来描述。例 如,评价者从考虑问题的诸因素出发,参照有关的数据和情 况,根据他们的判断对复杂问题分别作出“大、中、小”; “高、中、低”;“优、良、可、劣”;“好、较好、一般、 较差、差”等程度的模糊评价。如用经典数学方法来解决综 合评价问题,就显得很困难,通过模糊数学提供的方法进行 运算以后,就能得出定量的综合评价结果,为解决模糊综合 评价问题提供了理论依据,从而找到了一种简便而有效的决
(表中的数字是指赞成此种评价的专家人数与专家总人数 的比值)
模糊综合评价决策方法
三、模糊综合评价决策方法的应用
评价 科技水平 高 中 低 成功概率 经济效益 大 中 小 高 中 低
项目
甲 乙 丙
0.7 0.2 0.1 0.1 0.2 0.7 0.3 0.6 0.1 0.3 0.6 0.1 0.1 0.4 0.5 1 1 0 0 0 0 0.7 0.3 0 0.1 0.3 0.6
加权平均型,主因素突出型。这两种算法总的来说大同小 异,但也各具特色。
12
模糊综合评价决策方法
二、模糊综合评价决策的数学模型
主因素决定型 加权平均型
M( ,)
M(,)
加权平均型算法常用在因素很多的情形,它可以避免信息 丢失;主因素突出型算法常用在所统计的模糊矩阵中的数 据相差很远的情形,它可以防止其中的“干扰”数据。
模糊综合评价的原理及应用

模糊综合评价的原理及应用1. 模糊综合评价的概述模糊综合评价是一种基于模糊逻辑理论的评价方法,适用于处理多因素、多指标、多层次的评价问题。
它能够将模糊信息进行数学化处理,从而得到相对准确的评价结果。
模糊综合评价方法在决策分析、工程评估、经济评价等领域得到广泛的应用。
2. 模糊综合评价的原理模糊综合评价的原理基于模糊集合理论和模糊运算。
其主要的思想是将模糊的评价问题通过模糊集合的描述进行建模,然后利用模糊运算对模糊集合进行处理,最终得到评价结果。
3. 模糊综合评价的步骤模糊综合评价一般包括以下步骤: - Step 1:确定评价指标集合。
根据评价目标确定一组能够全面反映评价对象特征的评价指标。
- Step 2:构建模糊集合。
对每个评价指标进行模糊化处理,将确定的评价指标转化为对应的模糊集合。
- Step 3:设定权重。
根据评价指标的重要性,确定每个评价指标的权重。
- Step 4:进行模糊运算。
对于模糊集合进行模糊运算,将不同指标的模糊集合进行组合。
- Step 5:解模糊化。
将模糊的评价结果通过解模糊化方法转化为具体的评价值。
4. 模糊综合评价的应用模糊综合评价方法广泛应用于各个领域,以下是一些典型的应用场景:4.1 工程评估在工程评估过程中,常常需要对多个因素进行综合评价,以确定最优的方案。
模糊综合评价可以将各个因素的模糊信息进行处理,得出一个相对准确的评估结果。
4.2 经济评价在经济决策中,常常需要对多个经济指标进行综合评估,以确定经济效益最大化的策略。
模糊综合评价可以将不确定的经济指标进行数学化处理,得到相对可靠的评估结果。
4.3 城市规划在城市规划过程中,常常需要考虑多个因素,如交通、环境、人口等。
模糊综合评价可以将这些因素进行综合评估,帮助决策者做出合理的规划决策。
4.4 产品质量评价在产品质量评价中,常常需要考虑多个指标,如外观、性能、可靠性等。
模糊综合评价可以将这些指标进行综合评估,给出一个全面的产品质量评价结果。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
什么是模糊综合评价模型? 模糊综合评价方法是模糊数学中应用的比较广泛的一种方法。在对某一事务进行评价时常会遇到这样一类问题,由于评价事务是由多方面的因素所决定的,因而要对每一因素进行评价;在每一因素作出一个单独评语的基础上,如何考虑所有因素而作出一个综合评语,这就是一个综合评价问题。
[编辑] 模糊评价的基本思想 许多事情的边界并不十分明显,评价时很难将其归于某个类别,于是我们先对单个因素进行评价,然后对所有因素进行综合模糊评价,防止遗漏任何统计信息和信息的中途损失,这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题。
[编辑] 模糊综合评价模型类别[1] [编辑] 模糊评价基本模型
设评判对象为P: 其因素集 ,评判等级集 。对U中每一因素根据评判集中的等级指标进行模糊评判,得到评判矩阵:
(1) 其中,rij表示ui关于vj的隶属程度。(U,V,R) 则构成了一个模糊综合评判模型。确定各因素重要性指标(也称权数)后,记为,
满足 ,合成得
(2)
经归一化后,得 ,于是可确定对象P的评判等级。 [编辑] 置信度模糊评价模型 (1) 置信度的确定。 在(U,V,R)模型中,R中的元素rij 是由评判者“打分”确定的。例如 k 个评判者,要求每个评判者uj 对照 作一次判断,统计得分和归
一化后产生 , 且 , 组成 R0 。 其中 既代表 uj 关于vj 的“隶属程度”,也反映了评判uj 为 vj 的集
中程度。数值为1 ,说明 uj 为 vj 是可信的,数值为零为忽略。因此,反映这种集中程度的量称为“置信度”。对于权系数的确定也存在一个信度问题。
在用层次分析法确定了各个专家对指标评估所得的权重后,作关于权系数的等级划分,由此决定其结果的信度。当取N个等级时,其量化后对应于[0,l]区间上N次平分。例如,N取5,则依次得到[0,0.2],[0.2,0.4],[0.2,0.6],[0.6,0.8],[0.8,l]。对某j个指标,取遍k个专家对该指标评估所得的权重,
得。作和式
(3) 其中dij 表示数组中 属于 的个数,a0 = 0,bN = 1。
取 (4) 取遍 , 得 ,归一化后得到权向量。如果 则 ai 的信度为 。由此得信度向量为。 (2)置信度的综合 设c1,c2 是二个置信度,对于逻辑AND,其信度合成为
(5) 对于逻辑OR, 信度成为 (6) 其中 为参数,可适当配置。(5)、(6)二式的含义是:在逻辑 AND 下, ; 在逻辑 OR 下,。若 c1 < 1 或 c2 < 1 , 则 (5)、(6) 二式中的平均值补偿部分不宜太强。 ε 可如下配置:
(7) 对于(2)信度合成为:
(8)
其中, (9) εi 和 εj 的选择可参照(7)。 结合(2),得到信度的评判结果:
(10) [编辑] 模糊综合评价模型的运用 对于企业的财务危机状况,其影响因素具有极大的复杂性,精确化能力的降低造成对系统描述的模糊性,运用模糊手段来处理模糊性问题,将会使评价结果更真实、更合理。模糊综合评价模型的建立须经过以下步骤:
1、给出备择的对象集:这里即为各上市公司; 2、确定指标集:即把能预测财务危机的主要财务比率构成一个集合; 3、建立权重集:由于指标集中各指标的重要程度不同,所以要对一级指标和二级指标分别赋予相应的权数。第一层次的权重集 ,第二
层次的权重集 。这里将采用因子分析法确定权数;
4、确定评语集:,我们把评价集设为v={安全,一般,危险};
5、找出评判矩阵:,首先确定出U对v的隶属函数,然后计算出股票评价指标对各等级的隶属度 rij;
6、求得模糊综合评判集 ,即普通的矩阵乘法,根据评判集得终评价结果。
业绩评价的模糊模型包含这么几个部分:一是由评价指标体系构成的因素论城;二是由表明隶属度的模糊因子构成的模糊向量;三是用来对单个因素进行评价的评语论城;四是将模糊关系矩阵与模糊向量结合起来的合成算子(普通乘法和有界和不失为一种好的合成算子);四是与模糊评语等级相关的薪酬向量。其基本步骤是: 1、确定评价因素论城,即用什么样的指标来评价或评价者关注什么方面的内容;
2、确定评语论城,即就单个因素而言,评价者对被评价因素有什么样的判断或以什么方式表示评价结果;
3、确定模糊向量,即我们对每个因素的重视程度; 4、先对单个因素进行评价,就会得到一个因素与评语之间的模糊关系矩阵; 5、采用某个合成算子,对模糊关系矩阵与模糊向量进行合成,这里采用普通乘法和有界和得到综合模糊评价结果;
6、设与评语论对应的薪酬矩阵为C,得出代理人应得报酬。 [编辑] 模糊综合评价模型案例分析 [编辑] 案例一:模糊综合评价模型在企业跨国并购风险评价中的应用[2] 与一般性的投资方式相比,跨国并购带来的风险将会更大。中所讨论的我国企业跨国并购的风险,并不针对于某一特定企业或行业,而是指在并购进行的整个过程中可能出现的一般风险。
与国外的企业相比,中国企业在并购过程中还要承担着一些独特的风险。因此,在风险的识别的基础上,总结出我国企业跨国并购风险评价指标体系,并选取适当模型进行风险评价也是一个很重要的研究方面。
一、中国企业跨国并购的风险 基于跨国并购与国内并购的对比,以及中国企业在跨国并购中与西方发达国家的不同点,根据并购实施过程,我们把完整的并购运作过程划分为以下3个阶段:并购策划阶段、并购实施阶段、并购整合阶段。下面着重讨论每一阶段存在的风险。
1.并购策划阶段的风险 并购策划阶段主要包括并购战略计划制定、并购目标确定的工作。进行收购要达到一个目标,既定目标确定的正确与否,并购主体对并购目标有没有足够的驾驭能力,政府对跨国并购的态度,目标国家政局是否稳定,跨国并购两国关系是否良好,国家法规对企业的并购活动会产生怎样的影响,这些所有的未知数就构成了第一步风险。
2.并购实施阶段的风险 在交易执行过程,谈判策略的失误,信息不对称的问题,目标企业定价是否偏高,潜在财务风险等构成了第二轮风险。信息风险、定价风险、融资风险和反并购风险都存在于并购实施阶段,这一阶段由于买方和卖方对目标企业情况了解的不同,存在信息上的不对称,并购企业对目标企业并不是完全了解,对目标企业的资产负债情况了解不深,有可能对目标企业做出完全错误的估价或者估价偏高;由于支付方式不同,如资金成本过高或现金流量不足而影响整个企业的生产经营;企业并购过程中,尤其是证券市场的公开收购往往会受到目标企业股东的强烈反对,从而导致并购未果,这时就存在反并购风险;在企业跨国并购进行支付时,如果中国企业支付时存在现金支付形式,尤其是在某些形势下,如果人民币相对贬值,假设中方企业并购美国一家公司,且支付货币为美元,则是必要承担利率与汇率风险,这时就存在融资风险。
3.并购整合阶段的风险 整合阶段的风险也很大。1992年首钢集团用1.2亿美元收购秘鲁铁矿时对于文化整合不到位而导致的罢工案例就是一个很好的证明。生产经营的整合涉及到并购目标企业后其生产经营方向的调整、生产作业控制的调整等等。许多并购就是由于并购后产品链重叠,无法形成协同效应,甚至失去了原来的竞争优势。
根据上文的分析,进行总结。跨国并购中的风险分类,也即讨论的风险评价指标体系,如下表所示。
表 我国企业跨国并购的风险评价指标体系
目标层 跨国并购风险
主因素层 策划阶段风险 实施阶段风险 整合阶段风险 法律风险 信息技术风险 经营整合风险 支付方式风险
子因素层 市场环境风险 定价风险 文化整合风险 战略决策风险 反并购风险 融资风险 对风险进行分类的意义主要在于两点:(1)使原本很难讲清的风险概念清晰化;(2)不同的分类方式可以服务于企业不同的目的。
二、企业跨国并购风险模糊综合评价模型的建立 模糊评价法不仅可以对评价对象按综合分值的大小进行评价和排序,而且还可根据模糊评价的值按最大隶属度原则去评定对象所属的等级。
应用模糊评价法,首先要确定一套评价指标体系。 综合评价指标体系模型根据上文分析,见上表。在建立了评价指标体系后,用通常的方法,分步进行模型的建立。
1.建立评价指标集、权重指标集并定义评语集 在这里权重可以理解为每个风险指标对上一级指标的相对影响程度。定义主因素指标集为X = (X1,X2,X3),相应的权重集为A = (a1,a2,a3),定义子因素层指
标集为;(k=1,2,3),相应权重集为
,可用层次分析法求出几个层次中的权重。 定义评语集为W = (W1,W2,W3,w4),wj(j = 1,2,3,4)。当j=1,2,3,4时分别表示评语为优、良、中、差。
2.评判矩阵的确定 从Xk到w的模糊评价矩阵为
其中rij(i=1,2,„,s;j=1,2,3,4)表示子因素层指标Uki对于第j级评语Wj的隶属度。