精华内容
下载资源
问答
  • ibm用于解释结构模型

    2014-03-24 21:41:34
    ibm用于解释结构模型
  • 总结了影响新型城镇配电网发展的因素集,分析了各影响因素的相互影响关系,依据形成的可达矩阵将影响因素分层,构建了新型城镇配电网影响因素解释结构模型。为了直观反映各因素对新型城镇配电网的影响大小,提出了一...
  • 基于解释结构模型的复杂知识结构图的构建,陈宝星,,在教案、课件及教材中经常需要以知识结构图来展现知识点间的逻辑关系,教师虽然清楚每个知识点间的逻辑关系,但由于知识点数量较
  • 方法基于解释结构模型,结合在建项目现场调查和专家意见,选取25个影响生态复合墙结构质量的主要影响因素,采用邻接矩阵定义,将各影响因素间的相互关系数量化并进行区域化、层次化处理.结果构建出生态复合墙结构...
  • 解释结构模型法(Interpretative Structural Modeling Method,简称ISM方法),是现代系统工程中广泛应用的一种分析方法,是结构模型化技术的一种。一言以蔽之ISM就是在不损失系统功能的前提下给出最简的,层次化的...
  • 解释结构模型在高校教学质量评价中的应用,刘芸,吕艳蕾,首先,结合对高校教学质量评价工作实际,构建高校教学质量评价指标,并分析了各指标要素间的相关关系;然后,以解释结构模型为基
  • 课程群解释结构模型的构建与分析,孔可莹,,本文以工程管理专业为例,运用ISM的基本原理和方法,结合我校实际,经过课程选择、课程关系集的判断,以此为基础建立可达矩阵,构
  • 基于解释结构模型的城乡结合部突发事件触发源研究,于凤娥,黄敏,为了有效地管理城乡结合部,降低城乡结合部突发事件发生的概率与风险。基于解释结构模型对城乡结合部突发事件触发因素进行分析,
  • 终端区管制系统运行风险的解释结构模型研究,张兆宁,金伟伟,为了充分认识管制系统运行中的风险致因因素,了解风险致因构成的风险系统结构,从而制定保障管制系统运行安全的风险控制策略。本
  • 基于解释结构模型的医患沟通障碍影响因素分析,曹志芳,马应安,为人民群众提供优质医疗服务、构建和谐医患关系是当前卫生事业发展的主要目标之一,医患沟通在医疗服务和构建和谐医患关系的过程
  • 解释结构模型ISM

    万次阅读 2013-10-07 11:22:50
    解释结构模型,可将系统单元之间复杂、凌乱的关系分解成清晰的、多级递阶的结构形式。凡系统必有结构,系统的结构决定系统功能;破坏结构,就会完全破坏系统的总体功能,这说明了系统结构的普遍性与重要性。总之,要...

    建立系统的层级结构模型,是ISM技术的核心内容。

    传统的计算方法是根据原始矩阵对应的邻接矩阵,然后通过布尔矩阵的乘积方法得到可达矩阵,通过对可达矩阵进行,区域划分,回路划分(强链接划分),得到可达矩阵的缩减矩阵,对缩减矩阵进行层级划分。诸多的矩阵运算与操作,使得其运算量大得让任何人都难以承受

    传统的、大量复杂运算的矩阵算法,如果没有进行一定的优化,完成要素数目为100,要素之间的关系为500,需要很长的时间,还不包括结果的图形化输出的时间。传统的方法在数学上表达看似简单,只用一个邻接矩阵相乘,表达清楚。但是正是因为矩阵相乘,其时间复杂度难以忍受。随着系统要素个数的增加,程序的时间复杂度和空间复杂度都呈指数增长,稍微准确一点的说是N4的速度增加。而本处的算法的时间复杂度和空间复杂度都只是呈线性增长(M+N)其中一个为要素的数目,一个为边的数目。

     

    博弈解释结构模型方法(Game Interpretative Structural Modeling Method, 简称GISM方法)这里运用到博弈论的一些常识,来简要分析一个学习的过程。比如有很多人会用ISM方法,但是根本不知道什么叫可达矩阵,跟本不会去算什么可达矩阵什么图论。但是能出准确的,正确的结果。 这里就用了一个可代替的子系统,代替了原来的一些要素。

    模糊解释结构模型方法(Fuzzy Interpretative Structural Modeling Method, 简称FISM方法)这里用了一堆模糊算子进行计算,不同的算子求解出的可达矩阵不同,很多算子求出的可达矩阵是一个通常的布尔值可达矩阵,也就是矩阵中的值只有0,1两种情况,一些可达矩阵中间是一个模糊数,比如0.7。因此这种对应的是不同的层级结构。这个也就可以解释大家对一些不确定的关系的一种处理方法。

    阻尼解释结构模型方法(Damp Interpretative Structural Modeling Method, 简称DISM方法)这里引进了一个概念,要素之间的关系可以是一个负数,也就是某两个要素之间的关系是破坏性的相互排斥的,比如以毒攻毒。这里可以求出一种无可达矩阵的情况,但是,求可达矩阵的过程中出现一个周期性的结构过程。这个系统可以解释环境的变化是一个震荡性结构。

    虚解释结构模型方法(Virtual Interpretative Structural Modeling Method, 简称VISM方法)作者纯属无聊,只是计算两个要素之间的关系是一个虚数的情况,而且模糊虚运算,他也没有深入研究,只是简单运算。

    函数解释结构模型方法(Function Interpretative Structural Modeling Method, 简称FunISM方法)这个是一个非常大的扩展,该模型直接把一个只是定性分析的结构模型,可以拓展为一个动态的结构模型。比如每个矩阵的取值是一个时间序列,可以求出不同的时间序列下的层级结构。又比如 系统中的两个关系是一个存在函数特征的性质。比如要素A与B的关系V1,要素A与C的关系V2。其中V1+V2=1。

     

    一些教材中,提出了ISM的步骤如下:

    第1步: 找出影响系统问题的主要因素,通过方格图判断要素间的直接(相邻)影响关系;

    第2步: 考虑因果等关系的传递性,建立反映诸要素间关系的可达矩阵(该类矩阵属反映逻辑关系的布尔矩阵);

    第3步: 考虑要素间可能存在的强连接(相互影响)关系,仅保留其中的代表要素,形成可达矩阵的缩减矩阵;

    第4步: 缩减矩阵的层次化处理,分为两步:

                  (1)按照矩阵每一行“1”的个数的少与多,从前到后重新排列矩阵,此矩阵应为严格的下三角矩阵;

                  (2)从矩阵的左上到右下依次找出最大单位矩阵,逐步形成不同层次的要素集合。

    第5步:作出多级递阶有向图。作图过程为

                 (1)按照每个最大单位子矩阵框定的要素,将各要素按层次分布;

        (2)将第3步被缩减掉的要素随其代表要素同级补入,并标明其间的相互作用关系;

        (3)用从下到上的有向弧来显示逐级要素间的关系;

        (4)补充必要的越级关系。

    第6步:经直接转换,建立解释结构模型。

    上述方法中,是建立缩减矩阵,然后按照行中1的个数的多少来重排新矩阵,因为是一个DAG图,可以是一个严格的下三角矩阵。建立严格下三角矩阵的过程,就是求强连通子集的过程,对强连通子集进行可达值数目的多少进行排序。该方法是一个有益的拓扑排序,应当注意的是,该方法有一个很大的缺憾,就是最终得到的层级的数目跟Warfield的方法得到层级数目比较可能会增多。

    目前几乎没有人去研究,经典解释结构模型的层级看起来为什么头重脚轻,是什么原理导致其显得头重脚轻。本处所要展示的一个重要内容,就是通过ISM的简单方法,得到的层级数目比传统的可达矩阵的上位与下位集的划分方法得到的层级数目要多,进行了深入的探讨。得出了层级分布的一般五种情况。因此本处很重要的内容是,对经典解释结构模型中的层次划分进行了深入的探讨和分析。本处核心的地方是对解释结构模型的层次划分,进行了非常大的拓展。引进了物理学的势能概念。经典ISM其实只是一个特例,它是状态势能最高的一种表现方式。

    展开全文
  • 针对我国煤矿安全风险预控管理体系建设的需要,运用解释结构模型对煤矿安全风险预控管理体系建设的组织基础进行分析,得出影响风险预控管理体系建设组织基础的一些关键因素,为体系建设工作小组成效、人员的工作精神...
  • 论文研究- 解释结构模型中系统的骨干矩阵表示.pdf, 解释结构模型法是一个正在形成和发展的系统模型化方法,它对于分析和研究复杂系统之间的关系极为有用。 John.N.Waifield给出了一个由系统的缩减矩阵求骨干矩阵的...
  • 高等教育质量国民经济的发展起着重要的作用,是各高校工作任务的重心。当下我国高等教育已经进入到快速发展的阶段,系统分析...本文采用解释结构模型(ISM)对影响我国高等教育质量的因素进行了深入分析,以便用于指导实践。
  • 学生上课睡觉的解释结构模型研究-解释结构模型
  • 文章分析了大型复杂系统的系统结构框架设计的一般方法,采用解释结构模型法对城市轨道交通系统体系结构框架进行了优化分析,从而搭建了一个城市轨道交通系统的基本顶层框架模型,以期对城市轨道交通系统的标准体系...
  • 解释结构模型算法的JAVA设计实现,需要的下!
  • 随着知识经济时代的到来,无形资产在高等学校中发挥着越来越重要的...以11个影响高校无形资产管理的重要因素作为研究对象,采用解释结构模型法分析了各因素之间的层级关系,并据此提出加强高校无形资产管理的相关对策。
  • 基于解释结构模型的农民合作社资金互助风险分析与防范,韩丽洁,宋金杰,国内农村金融环境的混乱和农村经济发展的滞后性,使得农民合作社资金互助所面临的风险越来越复杂,合作社的生存和发展受到这些风
  • 解释结构模型的实现涉及到矩阵运算。 固然可以通过matlab来处理,但使用python也是可以的。 本代码部分实现了下述文献中的一个示例。 王君泽, 宋小炯, 等. 基于解释结构模型的我国工业互联网实施影响因素研究[J]. ...

    解释结构模型的实现涉及到矩阵运算。
    固然可以通过matlab来处理,但使用python也是可以的。

    本代码部分实现了下述文献中的一个示例。

    王君泽, 宋小炯, 等. 基于解释结构模型的我国工业互联网实施影响因素研究[J]. 中国软科学, 2020, (06):30-41.

    # !/usr/bin/python
    # -*- coding: UTF-8 -*-
    
    import numpy as np
    X = [[0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
         [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1],
         [0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1],
         [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1],
         [1, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0]]
    
    Y = [[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0],
         [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0],
         [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0],
         [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1]]
    
    result = [[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]]
    
    # 迭代输出行
    for i in range(len(X)):
        # 迭代输出列
        for j in range(len(X[0])):
            result[i][j] = X[i][j] + Y[i][j]
    
    for r in result:
        print(r)
    
    
    ai = [[1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
          [0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1],
          [0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
          [0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0],
          [1, 0, 0, 1, 1, 0, 1, 0, 0, 0, 0, 0, 0],
          [0, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 1],
          [0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 1],
          [0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0],
          [0, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0, 1],
          [1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0],
          [0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0],
          [0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0],
          [0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1]]
    
    
    # # 2-D array: 2 x 3
    # two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])
    # # 2-D array: 3 x 2
    # two_dim_matrix_two = np.array([[1, 2], [3, 4], [5, 6]])
    
    # two_multi_res = np.dot(two_dim_matrix_one, two_dim_matrix_two)
    # print('two_multi_res: %s' %(two_multi_res))
    
    ai2 = np.dot(ai, ai)
    ai3 = np.dot(ai, ai2)
    ai4 = np.dot(ai, ai3)
    ai5 = np.dot(ai, ai4)
    ai6 = np.dot(ai, ai5)
    
    print('ai2: %s' % (ai2))
    print('ai3: %s' % (ai3))
    print('ai4: %s' % (ai4))
    print('ai5: %s' % (ai5))
    print('ai6: %s' % (ai6))
    
    result3 = np.array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])
    
    result4 = np.array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])
    
    result5 = np.array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
                        [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])
    
    for i in range(len(ai3)):
        # 迭代输出列
        for j in range(len(ai3[0])):
            if (ai3[i][j] > 0):
                result3[i][j] = 1
    
    for i in range(len(ai4)):
        # 迭代输出列
        for j in range(len(ai4[0])):
            if (ai4[i][j] > 0):
                result4[i][j] = 1
    
    for i in range(len(ai5)):
        # 迭代输出列
        for j in range(len(ai5[0])):
            if (ai5[i][j] > 0):
                result5[i][j] = 1
    
    
    print('result3: %s' % (result3))
    print('result4: %s' % (result4))
    print('result5: %s' % (result5))
    
    print((result3 == result4).all())
    print((result4 == result5).all())
    
    展开全文
  • 基于解释结构模型的高校食堂客源量分析,朱嘉伟,卞艺杰,本文首先分析高校食堂管理现状,针对很多高校食堂客源量流失的问题,尝试利用系统工程的理论和方法,分析影响食堂客源量的因素,
  • 解释结构模型(ISM)在教学计划中的应用。
  • 第三,根据解释结构模型(ISM),对所有风险因素及其之间的影响关系进行了表示和分析。 结果表明,多层层次的解释性结构建模是揭示和理解这些风险因素如何导致罪犯在该监狱逃脱的有力方法。 通过分析危险因素,有效...
  • 从需求的层次性出发, 用解释结构模型对需求进行分层处理, 然后对顶层需求的相关需求集进行交运算, 整体设定需求的最高优先级, 最后给出案例分析。结果表明该方法能够突出需求层次性, 直接生成最高优先级需求集, 提高...
  • (本科毕业设计)解释结构模型的Java实现 我的本科时候的毕业设计
  • 基于JAVA的ISM(解释结构模型)实现,可达矩阵,可达集,前因集、分层
  • 基于JAVA的ISM(解释结构模型),支持多个矩阵运算和文件导入运算
  • 大学食堂包括高中食堂因其容量的限制, 管理不善以及学生人数众多、作息时间过于集中... 利用模糊解释结构法并在其基础上进行改进, 对食堂拥堵的影响因子进行分析, 找出产生拥堵的主要原因, 针对原因提出可行方案并总结.
  • 实现由关联矩阵(由excel表格导入)生成可达矩阵,由可达矩阵经过相关规则得出级别划分。
  • 用界面实现了ism,很不错的东西,支持支持,主要是图形界面的实现。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,957
精华内容 1,582
关键字:

解释结构模型