学位论文 > 优秀研究生学位论文题录展示

一类基于k-最邻近分类法的灰色评估方法

作　者: 朱美玲
导　师: 陈勇明
学　校: 成都信息工程学院
专　业: 应用数学
关键词: k-最邻近分类法灰色评估方法修正函数 Logistic
分类号: N941.5
类　型: 硕士论文
年　份: 2012年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

灰色评估广泛应用于效绩考察、方案优选等。在专家评估问题中,专家评分矩阵是评估的主要依据和出发点。而专家评分矩阵往往带有专家的主观倾向，这种主观倾向对评估结果造成的影响不可忽视。无论是基于白化权函数或关联度的经典聚类评估,还是近年来的一些新的灰色评估方法都没有考虑到这一点。基于此，为使评估结果更加趋于客观和公正，本文结合了数据挖掘的k-NN算法和评分主体的历史记录，提出了一种新的评估方法，称之为基于k-最邻近分类法的灰色评估方法。本文的主要内容包括如下4部分：1基于k-NN的线性修正函数的灰色评估方法首先，得到专家组对当前选手组的评分矩阵，以及专家组以往评分的历史记录,其中包括该专家的评分值及选手最后的排名定位。通过历史记录可以掌握专家的主观倾向。其次，我们利用数据挖掘的k-NN方法在历史数据中筛选出与当前最为相似的数据。再次依据筛选出的数据，通过构造一次修正函数去掉专家的主观倾向，得到修正后的评分矩阵。最后，对得到的修正评分矩阵，利用综合评价方法进行评估。2基于Logistic曲线的k-NN灰色评估方法在该部分我们提出了一种非线性修正函数。总体思路与基于k-NN的线性修正函数的灰色评估方法相同，区别在于修正函数的使用上，我们根据线性修正函数的值域设定曲线修正函数的值域，根据值域找出对应的定义域，计算出函数的压缩因子，从而得出基于Logistic曲线修正函数。3考虑指标权重情况下的基于Logistic曲线的k-NN灰色评估方法在提出的k-NN灰色评估方法中，再考虑了指标权重问题，我们在筛选当前评分向量最相似的历史评分数据时，不能采用跨指标的方式计算次数分布，而应该采用指标一一对应的方式计算次数分布。即对某一评分值，不能从所有指标中计算其出现的次数，而应该在该评分值隶属的指标下计算次数。4为方便本文提出方法的应用，作为附录，编写了k-NN灰色评估系统软件，给出了该软件的全部代码。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-17
  1.1 统计学  9-10
    1.1.1 统计学概述  9
    1.1.2 统计学的定义  9-10
  1.2 综合评价  10-12
    1.2.1 综合评价的定义  10
    1.2.2 综合评价的分类  10
    1.2.3 综合评价方法的特点  10-11
    1.2.4 综合评价方法的要素  11
    1.2.5 综合评价方法的步骤  11-12
  1.3 灰色系统理论及灰色评估  12-17
    1.3.1 灰色系统理论  12-14
    1.3.2 灰色评估的定义  14
    1.3.3 灰色评估的意义  14-15
    1.3.4 灰色评理论估的发展现状  15-17
2 预备知识  17-22
  2.1 灰色关联度  17
  2.2 k-最邻近分类法  17-18
  2.3 Logistic 曲线相关知识  18-19
    2.3.1 生长曲线(S 型曲线)  18
    2.3.2 Logistic 曲线  18-19
  2.4 灰色综合评价方法简介  19-20
    2.4.1 单层次（目标 Bk）灰色评估  19-20
    2.4.2 结构不同的多层次灰关联评估  20
  2.5 符号  20-22
3 基于 k-最邻近分类法的灰色评估方法  22-34
  3.1 问题的一般描述  22
  3.2 基于 k-NN 方法对当前专家评分矩阵修正的基本原理和算法过程  22-27
    3.2.1 算法的基本原理  22-23
    3.2.2 算法的分析过程  23-27
    3.2.3 算法的步骤  27
  3.3 算法实例  27-32
  3.4 算法评析  32-34
    3.4.1 算法的优点  32
    3.4.2 算法的缺点  32-34
4 基于 Logistic 曲线的 k-NN 灰色评估方法  34-41
  4.1 解决前文所述缺陷的思路  34
  4.2 Logistic 曲线的修正函数的基本思想  34
  4.3 Logistic 曲线的修正函数的构造  34-38
  4.4 算法的一般步骤  38-39
  4.5 算法实例  39-40
  4.6 算法评析  40-41
5 考虑指标权重情况下的基于 Logistic 曲线的 k-NN 灰色评估方法  41-48
  5.1 Logistic 算法的改进思想  41-42
  5.2 考虑权重情况下 Logistic 算法的一般步骤  42-43
  5.3 算法实例  43-47
  5.4 算法评析  47-48
6 软件实现及说明  48-49
7 总结  49-50
参考文献  50-52
附录  52-83
读研期间科研成果简介  83-84
致谢  84

一类基于k-最邻近分类法的灰色评估方法

内容摘要

全文目录

相似论文