精华内容
下载资源
问答
  • 判断矩阵一致性检验的Matlab源程序代码

    千次阅读 多人点赞 2019-08-07 13:53:03
    '一致性指标CI=' ) ; disp ( CI ) ; disp ( '一致性比例CR=' ) ; disp ( CR ) ; if CR < 0.10 disp ( '因为CR,所以该判断矩阵A的一致性可以接受!' ) ; else disp ( '注意:CR >= 0.10 ,因此该判断...
    Matlab源程序代码如下:
    clc
    clear
    disp('请输入判断矩阵A')
    A=input('A=');
    [n,n] = size(A)
    %方法1: 算术平均法
    Sum_A = sum(A);
    SUM_A = repmat(Sum_A,n,1);
    Stand_A = A ./ SUM_A;
    Stand_A = A ./ Sum_A; % 这样也可以的  
    disp('算术平均法求权重的结果为:');
    disp(sum(Stand_A,2)./n)
    %方法2: 几何平均法
    Prduct_A = prod(A,2);
    Prduct_n_A = Prduct_A .^ (1/n);
    disp('几何平均法求权重的结果为:');
    disp(Prduct_n_A ./ sum(Prduct_n_A))
    %方法3: 特征值法求权重
    [V,D] = eig(A);
    Max_eig = max(max(D))
    [r,c]=find(D == Max_eig , 1);
    disp('特征值法求权重的结果为:');
    disp( V(:,c) ./ sum(V(:,c)) )
    %计算一致性比例CR
    CI = (Max_eig - n)/(n-1);
    RI=[0 0.0001 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58
    1.59]; 
    % 这里n=2时,一定是一致矩阵,所以CI = 0,为了避免分母为0,将这里的第二个元素改为了很接近0的正数
    CR=CI/RI(n);
    disp('一致性指标CI=');disp(CI);
    disp('一致性比例CR=');disp(CR);
    if CR<0.10
        disp('因为CR<0.10,所以该判断矩阵A的一致性可以接受!');
    else
        disp('注意:CR >=
    0.10,因此该判断矩阵A需要进行修改!');
    end
    展开全文
  • // ConsoleApplication3... cout 符合一致性检验";  }  else  {  if (cr)  {  cout 符合一致性" ;;  }  else  {  cout 不符合一致性应修改" ;  }  }  system("pause");  return 0; }

    // ConsoleApplication3.cpp : 定义控制台应用程序的入口点。
    //

    #include "stdafx.h"
    #include<iostream>
    #include<math.h>
    #include<vector>
    using namespace std;


    int main()
    {
        cout << "请输入行或列的长度" << endl;
        int row;
        cin >> row;
        cout << "请输入数字" << endl;
        vector<double> a;
        for (size_t i = 0; i < row*row; i++)
        {
            double x;
            cin >> x;
            a.push_back(x);
        }
        vector<double> w;
        double fenmu = 0, wzhi = 0;
        for (int i = 0; i < row; i++)
        {
            for (size_t j = 0; j < row; j++)
            {
                for (size_t k = 0; k < row; k++)
                {

                    fenmu += a[k*row+j];
                }
                wzhi += a[i*row+j] / fenmu;
                fenmu = 0;
            }
            w.push_back(wzhi / row);
            wzhi = 0;
        }
        //以上为计算W值、
        vector<double> lanmude;
        double lanmudazhi = 0;
        for (size_t i = 0; i < row; i++)
        {
            for (size_t j = 0; j < row; j++)
            {
                lanmudazhi += a[i*row+j] * w[j];
            }
            lanmude.push_back(lanmudazhi);
            lanmudazhi = 0;
        }
        //以上是求lanmuda值
        vector<double> lmax;
        for (size_t i = 0; i < row; i++)
        {
            lmax.push_back(lanmude[i] / w[i]);
        }
        double max = 0;
        for (size_t i = 0; i < row; i++)
        {
            max += lmax[i];
        }
        max /= row;
        //以上是求max值
        double  ci = (max - row) / (row - 1);
        double  ri[5] = { 0,0,0.58,0.9,1.12 };
        double cr = ci / ri[row-1];
        //以上是求cr值
        cout << cr << endl;
        if (ci==0)
        {
            cout << "符合一致性检验";
        }
        else
        {
            if (cr<0.1)
            {
                cout << "符合一致性" << endl;;
            }
            else
            {
                cout << "不符合一致性应修改" << endl;

            }
        }
        system("pause");
        return 0;
    }

    展开全文
  • 直接输入矩阵就可以输出特征值和特征向量以及是否一致
  • 一致性检验的步骤 1)、计算判断矩阵最大特征值、一致性指标CI n是矩阵的维数,一致矩阵的最大特征值为n,当判断矩阵的最大特征值为n时,此判断矩阵为一致矩阵。 2)、根据n的大小,按照下表查找平均随机一致性指标...

    以下内容整理来自B站UP主:数学建模学习交流

    层次分析法(The Analytic Hierarchy ProcessAHP)是由美国运筹学家、 匹兹堡大学教授T . L. Saaty于20世纪70年代创立的一种系统分析与决策的综合 评价方法,是在充分研究了人类思维过程的基础上提出来的,它较合理地解决了定性问题定量化的处理过程。

    AHP的主要特点是通过建立递阶层次结构,把人类的判断转化到若干因素两两之间重要度的比较上,从而把难于量化的定性判断转化为可操作的重要度的比较上面。在许多情况下,决策者可以直接使用AHP进行决策,极大地提高了决策的有效性、可靠性和可行性,但其本质是一种思维方式,它把复杂问题分解成多个组成因素,又将这些因素按支配关系分别形成递阶层次结构,通过两两比较的方法确定决策方案相对重要度的总排序。整个过程体 现了人类决策思维的基本特征,即分解、判断、综合,克服了其他方法回避决策者主观判断的缺点。

    具体代码实现部分请见博客评价类模型——层次分析法,一致性检验学习笔记,matlab代码实现(二) 

    层次分析

    展开全文
  • 层次分析与一致性检验

    万次阅读 2020-12-20 17:19:25
    目录1、层次分析法的基本步骤1.1、建立层次结构模型1.2、构造判断(成对比较)矩阵1.3、层次单排序及一致性检验1.4、 层次总排序及其一致性检验2、总结:层次分析法的4步3、实例:去哪儿旅游5、为什么层次分析法要进行...

    1、层次分析法的基本步骤

    参考:https://zhuanlan.zhihu.com/p/38207837

    1.1、建立层次结构模型

    将决策的目标、考虑的因素(决策准则)和决策对象按他们之间的相互关系分成最高层、中间层和最低层,绘制层次结构图。

    • 最高层(目标层):决策的目的、要解决的问题;
    • 中间层(准则层或指标层):考虑的因素、决策的准则;
    • 最低层(方案层):决策时的备选方案;

    下面以选择旅游地为例进行分析:
    在这里插入图片描述

    1.2、构造判断(成对比较)矩阵

    那在确定各层次各因素之间的权重时,如果只是定性的结果(就是我认为景色占80%,费用10%等等),则常常不容易被别人接受,因此Santy等人提出:一致矩阵法

    即:

    • 不把所有因素放在一起比较,而是两两比较;
    • 对此时采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准去性;

    成对比较矩阵是表示本层所有因素针对上一层某一个因素(准侧或目标)的相对重要性的比较。成对比较矩阵的元素 aij表示的是第i个因素相对于第j个因素的比较结果,这个值使用的是Santy的1-9标度方法给出。
    在这里插入图片描述那比如,举上面的旅游的例子,在旅游问题中第二层A的各个因素对目标层Z的影响两两比较的结果如下图:
    第二层个因素对第一层的影响的对比矩阵
    比如 a14=3 则表示的是景色因素比居住因素对于选择旅游地来说稍微重要。

    那两两进行比较以后,怎么才能知道,下层各因素对上层某因素的影响程度的排序结果呢?

    1.3、层次单排序及一致性检验

    层次单排序:W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值,这一过程称为层次单排序,那能否确认层次单排序,需要进行一致性检验,所谓一致性检验是指对成对比较矩阵确定不一致的允许范围。

    一致性的直观显示如下图:在这里插入图片描述在这里插入图片描述在这里插入图片描述
    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述在这里插入图片描述如果成对比较矩阵属于可接受的一致性或者是一致性矩阵,那么就可以使用这种方式来近似的计算层次单排序权重,也就是同一层次的每个因素对于上一层次因素某因素相对重要性的排序权值。

    比如对于"一致性检验以及求得权重"这个图,权向量中有5个元素,那每一个元素代表的是每一个因素对上一层的因素的权重,比如说第一个值为0.263,那这代表的含义就是景色对于选择旅游地的重要性为0.263。

    1.4、 层次总排序及其一致性检验

    计算某一层次所有因素对于最高层(总目标)相对重要性的权值,称为层次总排序。

    这一过程是从最高层到最低层次依次进行的。
    在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述

    2、总结:层次分析法的4步

    1. 建立层次结构模型:该结构图包括目标层,准则层,方案层;

    2. 构造成对比较矩阵:从第二层开始用成对比较矩阵和1~9尺度;

    3. 计算单排序权向量并做一致性检验:对每个成对比较矩阵计算最大特征值及其对应的特征向量,利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过,特征向量(归一化后)即为权向量;若不通过,需要重新构造成对比较矩阵;

    4. 计算总排序权向量并做一致性检验:计算最下层对最上层总排序的权向量。
      利用总排序一致性比率
      在这里插入图片描述
      进行检验,若通过,则可按照总排序权向量表示的结果进行决策,否则需要重新考虑模型或重新构造那些一致性比率CR较大的成对比较矩阵。

    3、实例:去哪儿旅游

    在这里插入图片描述
    在这里插入图片描述
    计算单排序权向量:
    在这里插入图片描述
    计算总排序权向量以及进行一致性检验:
    在这里插入图片描述选择最终的决策方案:
    在这里插入图片描述

    5、为什么层次分析法要进行一致性检验?

    防止矛盾:例如A比B重要,B比C重要,但是C又比A重要,这就形成一个“闭合环”,是矛盾的!

    在这里插入图片描述参考:https://www.zhihu.com/question/325242753/answer/689833040,

    展开全文
  • Python_文本分析_困惑度计算和一致性检验

    千次阅读 热门讨论 2020-06-02 17:02:52
    在做LDA的过程中比较比较难的问题就是主题数的确定,下面介绍困惑度、一致性这两种方法的实现。 其中的一些LDA的参数需要结合自己的实际进行设定 直接计算出的log_perplexity是负值,是困惑度经过对数去相反数得到...
  • 随机一致性检测RANSAC

    千次阅读 2017-06-21 22:21:44
    随机一致性采样RANSAC是一种鲁棒的模型拟合算法,能够从有外点的数据中拟合准确的模型。  它的原理很朴素就是从样本数据中找到具有一致性的数据,用这些数据去建立样本的数学模型。这个一致性怎么理解?我的理解是...
  • 图像融合一致性检验

    2013-03-19 16:49:40
    一致性验证,即多数滤波器,如果x(r,c)的3x3邻域里有>=5个来自于i,则x(r,c)=i
  • 层次分析法理论部分评价类模型——层次分析法,一致性检验学习笔记(一) 层次分析法方法总结: 第一步:分析系统中各因素之间的关系,建立系统的递阶层次结构 第二步:对于同一层次的各元素关于上一层次中某...
  • 消息 824,级别 24,状态 2,第 2 行 SQL Server 检测到基于一致性的逻辑 I/O 错误 校验和不正确(应为: 0x20d61048,但实际为: 0x7a8ab3ae)。在文件 ‘C:/Program Files/Microsoft SQL Server/MSSQL10.MSSQLSERVER/...
  • 数学建模-层次分析法matlab示例(包含一致性纠错)

    千次阅读 热门讨论 2020-07-02 11:45:59
    步骤 1. 建立层次结构模型 分为最高层、中间层(可以有多层)和最底层。...3. 层次单排序及其一致性检验 单排序,对应于中间层对最高层的判断矩阵(1个) 排序:见程序 一致性检验: (n为判断矩阵的维
  • 第四章低级特征提取(2)基于相位一致性的边缘检测 4.3 相位一致性 a. 相位一致性方法是一个特征检测算子,主要优点为: (1)可以检测大范围的特征; (2)对局部光照具有不变性; 综合来看即一致性检测具有局部...
  • 分布式系统的一致性问题(汇总)

    万次阅读 多人点赞 2019-09-02 15:32:19
    保证分布式系统数据一致性的6种方案 问题的起源 在电商等业务中,系统一般由多个独立的服务组成,如何解决分布式调用时候数据的一致性? 具体业务场景如下,比如一个业务操作,如果同时调用服务 A、B、C,需要...
  • 对于matlab新手而言,主要在判断矩阵未通过一致性检验的时候,需要重新输入,重新计算。 clc; clear;% 清除所有命令窗口,清除所有变量 while true %无条件进入循环 A=input('请输入判断矩阵A='); [m,n]=size(A); %...
  • SQL Server 检测到基于一致性的逻辑 I/O 错误 pageid 不正确(应为 1:8188,但实际为 1:4072)。在文件 'C:\Program Files\Microsoft SQL Server\MSSQL.1\MSSQL\DATA\pamp.mdf' 中、偏移量为 0x00000003ff8000 的位置...
  • 一致性指数

    万次阅读 2017-11-12 09:38:52
    C-index
  • 层次分析法中判断矩阵的填写方法、一致性检验的步骤、以及根据判断矩阵计算权重的方法
  • 颜色一致性

    千次阅读 2018-04-04 14:17:15
    photo-consistency, 这是立体重建过程中的一个术语,看到部分参考资料翻译为颜色一致性项。那么,(1)什么是颜色一致性项 (2)它是如何计算的?这是怎么来的? (3)它代表了什么意义?(1)什么是颜色一致性项 ...
  • SQL2008 背景:新建DB_GZN 恢复数据库备份文件  执行:  select * from VI_MPS_PAPLT  错误提示:  消息 824,级别 24,状态 2,第 2 行 SQL Server 检测到基于一致性的逻辑 ...
  • 主要解决验证矩阵一致性问题 定义一个函数,读取粘贴板(从复制excel复制表格) GetMatrix = function() { tmp = read.table("clipboard",sep = "\t",header = F) tmp = as.matrix(tmp) 9+1 weight(tmp) CRtest...
  • 随机抽样一致性;RANSAC;Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography
  • volatile关键字与缓存一致性    volatile这个关键字可能很多朋友都听说过,或许也都用过。在Java 5之前,它是一个备受争议的关键字,因为在程序中使用它往往会导致出人意料的结果。在Java 5之后,JDK开发人员...
  • 一致性检查(consistency check)

    千次阅读 2019-04-08 21:47:12
    最近看论文看到深度传播方面的知识,随后想起之前做过视差一致性检查方面的工作,所以就小结一下,一致性检查方面的知识。 彩色一致性检查 原理:彩色一致性是指对于一幅图片,如果空间相邻区域像素亮度值相似的话...
  • SQL Server 检测到基于一致性的逻辑 I/O 错误 校验和不正确(应为: 0x7c781313,但实际为: 0x67a313c9)。在文件 'C:\Program Files\Microsoft SQL Server\MSSQL.1\MSSQL\DATA\E_BLOCK_DB.mdf' 中、偏移量为 0x...
  • PCL中采样一致性算法

    千次阅读 2021-10-08 02:14:01
    PCL中采样一致性算法1 随机采样一致性相关概念及算法1.1 RANSAC随机采样一致性算法简介   在计算机视觉领域广泛应用各种不同的采样一致性参数估计算法,用于排除错误的样本,样本不同,对应的应用则不同,例如别除...
  • 眼看要结账了,无意中打开数据库,发下浏览表的时候出现 SQL Server 检测到基于一致性的逻辑 I/O 错误 校验和不正确(应为: 0xd4eae74b,但实际为: 0xd4eb674b)。在文件 'D:/Program Files/Microsoft SQL ...
  • 本文分享了MySQL复制数据一致性校验和修复的详细步骤及其自动化实现思路和方法,对MySQL复制架构运维中该项工作的实施及其自动化具有较好的借鉴意义。
  • volatile和Cache一致性协议之MESI

    万次阅读 热门讨论 2017-08-14 17:46:06
    也就是说,在java内存模型中,也会存在缓存一致性问题和指令重排序的问题。  Java内存模型规定所有的变量都是存在主存当中(类似于前面说的物理内存),每个线程都有自己的工作内存(类似于前面的高速缓存)。...
  • zookeeper所能保证的一致性

    千次阅读 2018-12-24 17:52:36
    什么叫顺序一致性? 假设有一个Zookeeper集群(N&gt;=3,N为奇数),那么只有一个Leader(通过FastLeaderElection选主策略选取),所有的写操作(客户端请求Leader或Follower的写操作)都由Leader统一处理,...
  • 数据分布之一致性哈希

    千次阅读 2019-06-17 17:18:25
    不同的数据分布方式需要权衡诸如伸缩、数据倾斜(负载的均衡)、元数据维护等问题。没有一种万能的方案能够解决所有的问题,不能脱离应用场景谈优劣,应该要针对不同的应用场景选择合适的方案。 一般而言,可以有...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 142,191
精华内容 56,876
关键字:

一致性检验ci