模糊综合评价模型 python 模糊综合评价模型spss

模糊综合评价

一、经典集合和模糊集合的概念

经典集合

 

模糊集合

1.模糊集合和隶属函数

2、模糊集合的三种表示形式

 

3.当模糊集合为无限集合时，可用积分表示

 

 

模糊集合的分类，模糊集合类别不同，隶属函数样式也不同

 

二、隶属函数的三种确定方法

模糊统计法（几乎不用）

借助已有的客观尺度（偶尔用）

tips：需要有合适的指标，并能收集到数据

指派法（常常）

tips：根据问题的性质直接挑选某些分布作为隶属函数，主观性强

 

三、模糊综合评价的应用（评判）

评价问题概述

 

 

一级模糊综合评价模型

一级模糊综合评价模型的适用范围：指标个数较少，指标间相关性弱

 

一级模糊综合评价模型的建立流程：

1.确定因素集、评语集、权重集（无数据 层次分析法、有数据 熵权法）

 

 

2.确定模糊判断矩阵（最重要的一步）

 

3.求出考核对象对评语集m个指标的隶属度，进行综合评价

 

一级模糊综合评价模型例题

下面以对员工的年度综合评定为例

 

此一级模糊综合评价模型例题的不足之处

1. 因素集对评语集的隶属度已经给出，如果未给出就需要建立评语集的隶属函数求出再进行归一化处理
2. 权重集也已经给出，这里没有提供数据，假如权重集未给出则可以通过层次分析法计算

多级模糊综合评价模型

为什么要引入多级模糊综合评价模型？

 

以二级模糊综合评价模型--评价学生的表现为例

1. 划分因素集：各个子因素相当于一个一级模糊综合评价模型（相关性不强）

1. 确定评语集并对第二级因素集进行评判

1. 对第一级因素进行综合评判，划分等级 

例题