浅谈组合评价法.ppt

效果分析 软组合-协商组合方法 针对评价群体之间“意见分歧”的情形,提出了一种柔性意义下的多评价结论协商组合方法,该方法贯穿了“物理-事理-人理”的科学原则,具有协调分歧意见、集成评价者（或决策者）知识经验、优化评价结论等特点。 问题描述 如何由一原始序值矩阵S及双方P,Q所提供的协商信息确定一个综合双方意见的序值矩阵S’ 假设：有分歧，不存在利益冲突；双方均有一个人参评 应用算例 应用算例 年份 协商方案 变异区间 a b 协商区间 协商点算式 离核度1 离核度2 1986 [6,13] [6,8] [9,13] [7,11] 双方确定方案序值空间（a） (7)构造协商二次规划模型 总结 组合评价并不能完全取代单一的综合评价，不能说组合评价一定优于某种评价方法 组合评价仍然有较强的主观性和客观性的区别 组合过程仍然要清晰明确。 数学背景-数学之美 奇异值分解技术中只保留一个奇异值后其效果和特征值的效果是否很明显。（而且更好的地方是，有了SVD，我们就可以得到两个方向的主成分，如果我们对A’A进行特征值的分解，只能得到一个方向的主成分。） 融合主客观的组合评价方法、循环评价、考虑样本容量。 浅谈组合评价法 汇报人：佐飞 时间2011.11.16 一、问题的提出 目前国内外建立的综合评价方法很多，这些评价方法各有其特点，但大体上可以分为两类，主要区别在确定权重上。 一类是主观赋权（功能驱动）；另一类是客观赋权（差异驱动） 由于选用不同的方法实际上是从不同的角度进行的综合评价，如果仅仅用一种方法进行评价(而目前又找不到一种十全十美的评价方法)，其结果很难令人信服。因而，有必要选用多种方法进行评价，而后将几种评价结果进行组合。这种方法，我们称之为组合评价法。 组合评价的分类 硬、软组合 硬组合(客观) 是指组合过程完全避免人为的介入,通过选定的模型自动完成,每套评价结论数据在组合模 型面前是“公平竞争”的,因而得到的组合评价 结论具有很强的客观性 。 软组合 (主观) 是指在对不同结论存在意见分歧或冲突的群体内进行协商,从而避免意见相悖,体现了“让众多人满意”的“人理”思想。 拉开档次组合评价 1.基本思想 最大限度地体现不同评价对象之间的整体差异,即选取由λ确定的投影方向使得Y投影至Z中的n个组合评价值的样本方差最大。方差最大的方向体现了一种“少数服从多数,集体关注”的思想,是系统(或评价对象)发展演化的最主要方向。 一个例子（PCA）-介绍方差的作用 主要步骤 1）由对多评价方法结论进行标准化处理,得到规范化结论矩阵Y。 2）求实对称矩阵H,有 3）H的最大特征值，以及其对应的特征向量 4）得到最终的组合权向量 5）将λ代入求得各评价对象的组合评价值及序值,得到评价值 斯皮尔曼等级相关系数 斯皮尔曼等级相关是等级相关的一种，它适用于两个以等级次序表示的变量，而且不要求其是服从正态分布。 奇异值分解法组合评价 预备知识 奇异值 奇异值特征值 奇异值分解技术 范数 范数与分解技术的关系 奇异值 特征值分解是一个提取矩阵特征很不错的方法，但是它只是对方阵而言的，在现实的世界中，我们看到的大部分矩阵都不是方阵。 我们怎样才能描述这样普通的矩阵呢的重要特征呢？奇异值分解可以用来干这个事情，奇异值分解是一个能适用于任意的矩阵的一种分解的方法 奇异值、特征值 将一个矩阵A的转置 A * ，将会得到一个方阵，我们用这个方阵求特征值可以得到 这 里得到的v，就是我们上面的右奇异向量。此外我们还可以得到： 这里的σ就是上面说的奇异值，u就是上面说的左奇异向量。奇异值σ跟特征值类似，在矩阵Σ中也是从大到小排列，而且σ的减少特别的快，在很多情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上了。也就是说，我们也可以用前r大的奇异值来近似描述矩阵 奇异值分解技术 一个例子: 一个大矩阵A来描述这一百万篇文章和五十万词的关联性。这个矩阵中，每一行对应一篇文章，每一列对应一个词。 矩阵中，M=1,000,000，N=500,000。第 i 行，第 j 列的元素，是字典中第 j 个词在第 i 篇文章中出现的加权词频 奇异值分解技术 奇异值分解就是把上面这样一个大矩阵，分解成三个小矩阵相乘 奇异值分解技术 第一个矩阵中的每一行表示意思相关的一类词，其中的每个非零元素表示这类词中每个词的重要性（或者说相关性），数值越大越相关 最后一个矩阵Y中的每一列表示同一主题一类文章，其中每个元素表示这类文章中每篇文章的相关性。 表示类词和文章雷之间的相关性 奇异值分解技术 奇异值分解技术 范数的概念 从一个线性空间到