[理學(xué)]第三講數(shù)據(jù)的屬性與處理方法(編輯修改稿)
2024-11-15 00:59 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 67 0 .5 00 0 0. 08A ?33??????????建立無(wú)量綱化實(shí)測(cè)數(shù)據(jù)矩陣 A=(aij) （ i=1,2,3,4,5； j=1， 2， 3， 4） 11/22 Matlab實(shí)驗(yàn) （三） X=[130,。105,。20,2。30,。20,]。 %輸入原始數(shù)據(jù) A1=X(:,1)./130。 A2=X(:,2)./。 A3=./X(:,3)。 A4=X(:,4)./。 A=[A1,A2,A3,A4]。 %建立無(wú)量綱化的數(shù)據(jù)矩陣 此題的紅數(shù)據(jù)是目測(cè)得到，如果遇到數(shù)據(jù)較多，可以利用 MAX（ X）（計(jì)算 各列向量的最大值） 或 MIN（ X）得到。 請(qǐng)同學(xué)們練習(xí)將評(píng)價(jià)指標(biāo)的元素轉(zhuǎn)化為效益型指標(biāo) 命令為： 12/22 Matlab實(shí)驗(yàn) （三） ① 變異系數(shù)法 （對(duì)評(píng)價(jià)標(biāo)準(zhǔn)矩陣 Y建立權(quán)向量） NI 12( ( , , , ) )Tiimsv t v v vx??最后 計(jì)算變異系數(shù) 然后將其歸一化得到權(quán)向量 w=t/sum(t) 首先， 根據(jù) 評(píng)價(jià)標(biāo)準(zhǔn) 矩陣 Y（假設(shè) Y是 mⅩ n階矩陣，行向量為評(píng)價(jià)指標(biāo)向量），通過(guò)統(tǒng)一指標(biāo)的屬性，建立無(wú)量綱化 評(píng)價(jià)標(biāo)準(zhǔn) 矩陣 B。 1）建立客觀性權(quán)向量的方法 綜合評(píng)價(jià)值 其次 ，計(jì)算矩陣 B的各行向量（評(píng)價(jià)指標(biāo)向量）的均值 mean(B)與標(biāo)準(zhǔn)差 std(B) ix ? is ?13/22 Matlab實(shí)驗(yàn) （三） ② 夾角余弦法 AURA?? 矩 陣 向最 佳 方 案矩 陣量各 列 的 極 差首先根據(jù)指標(biāo)矩陣 A，通過(guò)取矩陣 A各列指標(biāo)的最大值和最小值，分別 得到理想最佳和最劣方案（指標(biāo)為效益型取最大值，成本型取最小值得最佳方案）為： u 和 v。 其次，根據(jù)公式 分別得到 u 和 v的相對(duì)偏差矩陣 R， T 第三，將 R， T的對(duì)應(yīng)列向量的夾角余弦作為初始權(quán)重，歸一化后得到客觀性權(quán)向量 W 14/22 Matlab實(shí)驗(yàn) （三） 矩陣 C如果是效益型矩陣， 綜合評(píng)價(jià)向量 H對(duì)應(yīng)分量越大，該指標(biāo)的排名越靠前。 2）根據(jù)權(quán)向量計(jì)算綜合評(píng)價(jià)值 根據(jù)指標(biāo)矩陣 A，通過(guò)統(tǒng)一指標(biāo)的屬性，建立無(wú)量綱化數(shù)據(jù)矩陣 C。 將矩陣 C與權(quán)向量 W乘積，得綜合評(píng)價(jià)向量 H 矩陣 C如果是成本型矩陣， 綜合評(píng)價(jià)向量 H對(duì)應(yīng)分量越小，該指標(biāo)的排名越靠前。 15/2
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1