精华内容
下载资源
问答
  • 变异系数法是直接利用各项指标所包含的信息,通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是:在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标,这样的指标更难反映被评价...

    变异系数法是直接利用各项指标所包含的信息,通过计算得到指标的权重。是一种客观赋权的方法。此方法的基本做法是:在评价指标体系中,指标取值差异越大的指标,也就是越难以实现的指标,这样的指标更难反映被评价单位的差距。
    由于评价指标体系中的各项指标的量纲不同,不宜直接比较其差别程度。为了消除各项评价指标的量纲不同的影响,需要用各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下:

    这里写图片描述

    这里写图片描述

    算法步骤总结:
    1、先计算每个指标的所有平均值,标准差
    2、然后计算每个指标的变异系数。
    3、然后计算每个指标的权重。
    4、然后计算每个部落的总分。
    5、然后对总分进行max-min归一化。
    6、然后将总分值映射成0-100之间的分数作为部落的热度值。
    7、然后对所有热度值从大到小排序。

    变异系数确定权重源代码实现:

    # -*- encoding=utf-8 -*-
    
    import pandas as pd
    import numpy as np
    
    
    # 自定义归一化函数
    
    def autoNorm(data):
        """
        :param data: 列表
        :return: 归一化列表
        """
        arr = np.asarray(data)
        norm_list=[]
        for x in arr:
            x = round(float(x - np.min(arr)) / ((np.max(arr) - np.min(arr))+0.001),4)
            norm_list.append(x)
    
        return norm_list
    
    
    
    # 自定义热度值计算函数
    
    def get_hot_value(context_train_data):
    
        """
        :param context_train_data:数据框
        :return: 热度值分数
        """
    
    
        #  求相关列均值与标准差
    
        context_train_mean = context_train_data.mean(axis=0)
    
        context_train_std = context_train_data.std(ddof=0)
    
        #  求变异系数
    
        context_train_cof_var = context_train_std/context_train_mean
    
        #  对变异系数求和
    
        sum_context_train_cof_var = context_train_cof_var.sum()
    
        #  得出权重
    
        context_train_wi = context_train_cof_var/sum_context_train_cof_var
    
        #  将权重转换为矩阵
    
        cof_var = np.mat(context_train_wi)
    
        #  将数据框转换为矩阵
        context_train_data = np.mat(context_train_data)
    
        #  权重跟自变量相乘
        last_hot_matrix = context_train_data * cof_var.T
        last_hot_matrix = pd.DataFrame(last_hot_matrix.T)
    
        #  累加求和得到总分
        last_hot_score =list(last_hot_matrix.apply(sum))
    
    
        #  max-min 归一化
    
        last_hot_score_autoNorm=autoNorm(last_hot_score)
    
    
        #  部落的热度值映射成分数(0-100分)
    
        last_hot_score_result=[i*100 for i in last_hot_score_autoNorm]
    
    
    
        return last_hot_score_result
    
    
    
    
    
    
    
    
    if __name__ == '__main__':
    
        # 读取数据
        # context_train_data=pd.DataFrame(np.arange(24).reshape(4,6),columns=['x1','x2','x3','x4','x5','x6'])
    
    
        data=pd.read_excel('C:\\Users\\xiaohu\\Desktop\\文本挖掘\\部落的热度算法\\data.xlsx')
    
        # 拿出所有自变量数据(不包含部落id,部落名称)
    
        context_train_data=data.iloc[:,2:16]
    
        print(context_train_data)
    
        # 调用热度值计算函数
        last_hot_score_result =get_hot_value(context_train_data)
    
        # 增加一列部落名
    
        context_train_data['tribe_name']=data['tribe_name']
    
    
        # 增加一列热度值
        context_train_data['tribe_hot_value']=last_hot_score_result
    
        # 然后对数据框按热度值从大到小排序
    
        result=context_train_data.sort_values(by = 'tribe_hot_value',axis = 0,ascending = False)
    
        result['rank']=range(1,len(result)+1)
    
        print(result)
    
    
        # 输出excel
    
        # 写出csv数据
        result.to_csv('C:\\Users\\xiaohu\\Desktop\\文本挖掘\\部落的热度算法\\result.csv', index=False)
    
    
    
    
    
    
    
    
    
    
    展开全文
  • 变异系数法计算权重

    2012-09-02 18:49:08
    变异系数法计算权重的matlab小代码程序
  • 客观赋权——变异系数法

    千次阅读 2020-06-13 17:56:58
    变异系数法是一种较为客观的方法,能够客观的反应指标数据的变化信息,该方法能够比较客观的求出各指标的权重。 根据各评价指标当前值与目标值的变异程度来对各指标进行赋权,当各指标现有值与目标值差距较大时,...

    一、变异系数法的概念

    变异系数法是根据统计学方法计算得出系统各指标变化程度的方法,是一种客观赋权法。

    根据该方法变化差异较大的指标权重较大,变化差异较小的指标权重较小,从而根据指标的统计学规律确定其重要程度。

    变异系数法是一种较为客观的方法,能够客观的反应指标数据的变化信息,该方法能够比较客观的求出各指标的权重。

    根据各评价指标当前值与目标值的变异程度来对各指标进行赋权,当各指标现有值与目标值差距较大时,说明该指标较难实现目标值,应该赋予较大的权重,反之则应该赋予较小的权重。

    二、变异系数法的步骤

    (1)原始数据的收集与整理

    假设有n个待评价样本,p项评价指标,形成原始指标数据矩阵:
    X=(x11...x1pxn1xnp) X=\left( \begin{matrix} x_{11}& ...& x_{1p}\\ \vdots& \ddots& \vdots\\ x_{n1}& \cdots& x_{np}\\ \end{matrix} \right)

    其中XijX_{ij} 表示第 i 个样本第 j 项评价指标的数值。

    例如:

    GDP 就业人数 财政支出 人均可支配收入
    北京 xx xx xx xx
    上海 xx xx xx xx
    广州 xx xx xx xx
    深圳 xx xx xx xx

    (2)计算第 j 项评价指标的均值和标准差

    {xˉj=1ni=1nxijSj=i=1n(xijxˉj)2n1 \left\{ \begin{array}{l} \bar{x}_j=\frac{1}{n}\sum_{i=1}^n{x_{ij}}\\ \\ S_j=\sqrt{\frac{\sum_{i=1}^n{\left( x_{ij}-\bar{x}_j \right) ^2}}{n-1}}\\ \end{array} \right.

    (3)计算第 j 项评价指标的变异系数

    vj=sjxˉj  , j=1,2,,p v_j=\frac{s_j}{\bar{x}_j}\ \ ,\ j=1,2,\cdots ,p

    (4)对变异系数进行归一化处理,进而得到各指标的权重

    wj=vjj=1pvj w_j=\frac{v_j}{\sum_{j=1}^p{v_j}}
    则经过计算得到的最终指标权重
    W={w1,w2,,wp} W=\left\{ w_1,w_2,\cdots ,w_p \right\}

    例子

    GDP 就业人数 财政支出 人均可支配收入
    北京 xx xx xx xx
    上海 xx xx xx xx
    广州 xx xx xx xx
    深圳 xx xx xx xx

    ---------------处理后-----------------------

    GDP 就业人数 财政支出 人均可支配收入
    平均数 xx xx xx xx
    标准差 xx xx xx xx
    变异系数 0.3636 0.6737 1.6353 0.7985
    变异系数权重 0.1048 0.1941 0.4711 0.2300
    展开全文
  • 以某井田3煤层作为研究对象,首先确定底板突水的评价指标体系并对其进行量化,然后利用变异系数法确定各指标的权重及底板突水风险指数评估的数学模型。利用GIS的数据统计和空间分析功能,建立各底板突水影响指标的专题...
  • 变异系数法matlab代码

    千次阅读 2020-03-15 21:27:00
    function [ w,ave,score] = byxsf( A ) [m,n]=size(A);%m:对象数,n:指标数 v=zeros(1,n); w=zeros(1,n); for i=1:n v(i)=std(A(:,i))/mean(A(:,i)); end for i=1:n ...disp('权重为:') w score=w(...
    function [ w,ave,score] = byxsf( A )
    [m,n]=size(A);%m:对象数,n:指标数
    v=zeros(1,n);
    w=zeros(1,n);
    for i=1:n
        v(i)=std(A(:,i))/mean(A(:,i));
    end
    for i=1:n
       w(i)=v(i)/sum(v);
    end
    disp('权重为:')
    w
    
    score=w(1)*A(:,1)+w(2)*A(:,2);%这部分要根据实际情况修改
    
    disp('得分平均值:')
    ave=mean(score)
    end
    
    展开全文
  • 为了确定河北某矿1煤底板突水规律,在综合分析...针对单一方法确定权重的不足,将层次分析(AHP)和变异系数法相结合进行赋权,构建底板突水脆弱性评价模型,按照5个等级划分出不同底板突水脆弱性区域,总结脆弱性分区规律。
  • 文章的目的 ...本文主要是讲述客观综合平台里的变异系数法。本文有两个目标: 各个指标权重的确定 多个单元的排序(竞争力排名、大学排名、发展水平、幸福排名、税负排名诸如此类) 变异系数法的计算过程 每

    文章的目的

    我们经常需要对一些企业、部门、甚至某个城市进行评价,但是用一个指标不可能全面反映这些复杂单元,所以我们经常会用很多指标进行评价,这些指标单位不统一,大小数量级有时候相差很多,把这些复杂的指标最后综合起来成为一个指数,这就是综合评分的本质。综合评价的方法有很多,主要有三类:主观综合评价、客观综合评价、主客观混合评价。本文主要是讲述客观综合平台里的变异系数法。本文有两个目标:

    各个指标权重的确定

    多个单元的排序(竞争力排名、大学排名、发展水平、幸福排名、税负排名诸如此类)

    变异系数法的计算过程

    粤港澳大湾区7个拥有机场的城市,要评价这7个城市,我们一共搜集了40多项指标,由于篇幅的限制,这里只罗列了其中6项,每个城市各有优缺点,到底哪个城市发展水平最高,而要比较必须每个城市最后只有一个数字,也就是一个综合指数才能进行比较大小,计算的过程需要你搜集相关的数据形成这样排列的表格

    每个城市的评价我们保留了10个指标,首先是要知道哪个指标最重要,一个人身上身上有很多伤口,有刀伤、钝器伤害、拳头打的印子,到底哪个是最致命的!我们把这种重要性的不同称为权重。所以第一件事就是确定10个指标的权重分别是多少。原理这里不谈,我们只谈下计算过程。

    导入数据并做初步处理

    import matplotlib.pyplot as plt  # 第1-3行代码是读入数据的时候,在Python不会产生中文乱码
    plt.rcParams['font.sans-serif'] = ['microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False
    import pandas as pd  # 第4-5行代码是两个数据分析有名的库,也可以称为工具吧
    import numpy as np
    from xlwt import *  # 这是把最后的数据结果写入excel的库
    data = pd.read_excel('D:\\5.python data\\airports.xls')  # 把指定位置的excel表格数据导入python形成一个dataframe表格数据,Pd是pandas的简称,这个工具把excel中的数据读入Python中,形成一个称作dataframe的表格,正常的路径是D:\5.python data\airports.xls,但是在python中很容易产生冲突,就把“\”改成了‘\\’.excel中的表要像开始阐述的那样排列。
    print(data)  # 观察导入的数据表格,如这种类型格式的数据才能导入计算。导入后如下:
     city    GDP:亿元    人口(万)  ...  进出口总值(亿元)  旅客吞吐量(万人次)  货邮吞吐量(万吨)
    0   广州  21503.15  1449.84  ...    9714.36     6583.69   233.8500
    1   深圳  22438.39  1252.83  ...   28075.33    18142.24   115.9000
    2   珠海   2564.73   176.54  ...    3001.10      921.68     3.7400
    3   佛山   9549.60   765.67  ...    4358.24     4929.00     0.0242
    4   惠州   3830.58   477.70  ...    3419.77       95.69     0.4000
    5   香港  22160.67   741.31  ...   71642.32     5665.50   493.8000
    6   澳门   3406.55    65.31  ...     736.42      716.00     3.7000`![
    这里一共10个指标,只显示了5个,中间5个由...号代替](https://img-blog.csdnimg.cn/20200725202418189.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDM1NDIxMw==,size_16,color_FFFFFF,t_70)
    ``
    由于第一列是city,城市不参加计算,所以要去掉这一列,代码如下
    

    del data[list(data)[0]] # 第一列是城市,不参加求均值、标准差、变异系数的过程,所以先删掉
    print(data)

    结果如下
    
     GDP:亿元    人口(万)  城镇化率(%)  ...  进出口总值(亿元)  旅客吞吐量(万人次)  货邮吞吐量(万吨)
    

    0 21503.15 1449.84 86.14 … 9714.36 6583.69 233.8500
    1 22438.39 1252.83 100.00 … 28075.33 18142.24 115.9000
    2 2564.73 176.54 89.37 … 3001.10 921.68 3.7400
    3 9549.60 765.67 94.00 … 4358.24 4929.00 0.0242
    4 3830.58 477.70 68.15 … 3419.77 95.69 0.4000
    5 22160.67 741.31 100.00 … 71642.32 5665.50 493.8000
    6 3406.55 65.31 100.00 … 736.42 716.00 3.7000

    数据的归一化

    我们观察这10个指标,第一个是GDP,单位是亿元,广州GDP数字是吓人的21503亿,是马巴巴财富的10倍多,这是比较大的,最小的是城镇化率,同样是广州,是86.14%,也就是0.8614,和GDP相比完全是小蚂蚁,可以忽略不计,但是能忽略不,回答是不能!为了规避这种数量级的影响,我们要把数据全部化成一个0-1之间的数,这样比较才公平。这就是归一化,归一化的手段很多,常用的是简单归一化和标准化归一化,而标准化归一化适用于那些样本数据很大的,和本文不相匹配,没有最好,适合的就是最好的。公示很简单
    我们任意取一个城市的GDP,看其归一值怎么求,这几个城市里面我呆过比较时间长的是广州,但我更喜欢珠海,一个176.54万人口的美丽滨海城市,有大大小小100多个岛屿,我很喜欢东奥岛,回归正题,我们就计算珠海GDP的归一值吧
    公式:
    珠海的GDP归一值=(珠海的GDP-7个城市GDP的最小值)/(7个城市GDP的最大值-7个城市GDP的最小值)=(珠海的GDP-7个城市GDP的最小值)/(7个城市GDP的最大值-7个城市GDP的最小值),很尴尬的是,珠海的GDP就是7个城市中的最小值,所以其归一值为0!
    通过这样的算法,把7*10个数据全部化成0-1之间的值,代码如下:

    # 假设上面有一个DataFrame叫做data
    GYH = (data-data.min())/(data.max()-data.min())  # 即实现简单标准化归一
    print(GYH)  # 归一之后的表格,GYH是归一化的中文缩写
    
    GDP:亿元     人口(万)   城镇化率(%)  ...  进出口总值(亿元)  旅客吞吐量(万人次)  货邮吞吐量(万吨)
    

    0 0.952941 1.000000 0.564835 … 0.126618 0.359515
    1 1.000000 0.857706 1.000000 … 0.385566 1.000000
    2 0.000000 0.080338 0.666248 … 0.031939 0.045770
    3 0.351464 0.505847 0.811617 … 0.051079 0.267825
    4 0.063695 0.297856 0.000000 … 0.037844 0.000000
    5 0.986026 0.488252 1.000000 … 1.000000 0.308636
    6 0.042359 0.000000 1.000000 … 0.000000 0.034373
    为了显示好看更好说明问题,把最后一列的归一化值省略了!

    求每个指标的平均值与标准差

    例如GDP归一化之后7个城市的平均值,代码

    #  求相关列均值与标准差
    GYHLJZ = GYH.mean(axis=0)  # axis=0,求各列的均值;axis=1,求各行的均值
    # print(GYHLJZ)
    GYHlBZC = GYH.std(ddof=0)  # ddof=0求标准差时除以n,如果是ddof=1时除以n-1
    # print(GYHBZC)
    

    求每个指标的变异系数,求10个指标变异系数的和

    # 求变异系数
    GYHlBYXS = GYHlBZC/GYHLJZ  # 变异系数=标准差/平均值
    # print(GYHLBYXS)
    
    # 对变异系数求和
    GYHLBYXSDH = GYHlBYXS.sum()
    # print(GYHLBYXSDH)
    

    求每个指标的权重

    # 得出权重
    QZ = GYHlBYXS/GYHLBYXSDH  # 用变异系数除以所有变异系数之和得出权重矩阵
    print(QZ)
    

    到此为止,我们已经完成了任务目标1:求每个指标的权重,从中发现谁对城市的竞争力或发展水平影响最大。请看结果。
    GDP:亿元 0.092432
    人口(万) 0.076098
    城镇化率(%) 0.047389
    失业人员(万) 0.118713
    财政收入(亿元) 0.106368
    固定资产投资(亿元) 0.059396
    社会消费品零售总额(亿元) 0.095863
    进出口总值(亿元) 0.146315
    旅客吞吐量(万人次) 0.113138
    货邮吞吐量(万吨) 0.144289
    结果在我们意料之中,也感觉有点意外,影响最大的是进出口总值,权重是10个指标中最大的0.146315,意外的是排第二、第三、第四的是货邮吞吐量、失业人口、旅客吞吐量,如果是本科生文章,写到已经是一篇很好的文章,你找到了影响一个城市最重要的因素,也就是你有了努力的方向,然后把这些方向的优缺点摆出来,然后总结出几个可以行的通的政策建议,妥妥的一篇好文章。

    计算城市的排名

    权重已经找出来了,但是城市的排名还是没有出来,革命还未成功,同志还需努力!!!
    如何计算排名,首先要我们要把归一化后表GYH中的值和刚刚求得的权重相乘,GYH是一个7行10列的表格,QZ是一个1行10列的表格,所以这两个相乘首先要把他们两个都转化成矩阵,然后GYH和QZ转置矩阵相乘,得到一个7行1列的表格,实际就是7个城市分别得到一个值。

    #  将权重(QZ表格)转换为矩阵
    QZJZ = np.mat(QZ)  # 因为涉及到两个dataframe的值相乘,需要先转化为矩阵,首先把权重转化为矩阵
    print(QZJZ)
    #  将GYH表格转换为矩阵
    GYHJZ = np.mat(GYH)  # 把归一化后的数据转化为矩阵
    # print(GYHJZ)
    #  归一化矩阵乘以转置的权重矩阵得到一个7行1列的矩阵
    NZHPFJZ = GYHJZ * QZJZ.T  # 矩阵相乘,要注意第一个矩阵的列和第二个矩阵的行必须一致,.T代表矩阵的转置
    NZHPF = pd.DataFrame(NZHPFJZ.T)  # 把相乘后的矩阵转化为dataframe
    # print(NZHPF)
    
    
    

    计算每个城市的得分

    每个城市已经计算出来一个数字,为了更好的比较,还要归一化一次。因为现在只有一列,归一化比较容易计算。

    #  累加每个城市的得分求和得到总分
    NZHPFZH = list(NZHPF.apply(sum))
    # print(NZHPFZH)
    #  max-min依然简单 归一化(如果要研究城市竞争力和另一个变量之间的关系,数据算到归一化之前就OK,如何只研究城市竞争力本身的排名,要继续归一化
    NZHPFZH = pd.DataFrame(NZHPFZH)  # 把矩阵变成dataframe表格,矩阵不能归一化
    ZHPFGYH = (NZHPFZH-NZHPFZH.min())/(NZHPFZH.max()-NZHPFZH.min())
    # print(ZHPFGYH)
    # 城市的热度值映射成分数(0-100分)
    result = ZHPFGYH*100
    print(result)
    

    0 83.945155
    1 100.000000
    2 0.662802
    3 23.996897
    4 1.631386
    5 92.625916
    6 0.000000
    按照这10个指标综合评价,广州得分最高100分,最低分是澳门,但是这是只是为介绍变异系数法进行综合评价,指标没有不全面,结果和现实有出入,主要学习这种计算方法。
    总结:实际是一个傻瓜式的计算,你把收集的数据足够丰富、数据正确,格式正确,输入进去,就会把指标的权重和排名帮你计算出来。最后,把代码全部奉上。

    # -*- encoding=utf-8 -*-
    # ==================================
    # 1、数据的归一化(可以最大最小归一,也可以标准化归一)
    import matplotlib.pyplot as plt
    import pandas as pd
    import numpy as np
    from xlwt import *
    plt.rcParams['font.sans-serif'] = ['microsoft YaHei']
    plt.rcParams['axes.unicode_minus'] = False
    data = pd.read_excel('D:\\5.python data\\airports.xls')  # 把指定位置的excel表格数据导入python形成一个dataframe表格数据
    print(data)  # 观察导入的数据表格,如这种类型格式的数据才能导入计算
    del data[list(data)[0]]  # 第一列是年份,不参加求均值、标准差、变异系数的过程,所以先删掉
    print(data)
    # 假设上面有一个DataFrame叫做data
    GYH = (data-data.min())/(data.max()-data.min())  # 即实现简单标准化归一
    print(GYH)  # 归一之后的表格
    # BZGYH = (data-data.mean())/(data.std())  # data.mean()是平均值、data.std()是标准差
    #  求相关列均值与标准差
    GYHLJZ = GYH.mean(axis=0)  # axis=0,求各列的均值;axis=1,求各行的均值
    # print(GYHLJZ)
    GYHlBZC = GYH.std(ddof=0)  # ddof=0求标准差时除以n,如果是ddof=1时除以n-1
    # print(GYHBZC)
    # 求变异系数
    GYHlBYXS = GYHlBZC/GYHLJZ  # 变异系数=标准差/平均值
    # print(GYHLBYXS)
    # 对变异系数求和
    GYHLBYXSDH = GYHlBYXS.sum()
    # print(GYHLBYXSDH)
    # 得出权重
    QZ = GYHlBYXS/GYHLBYXSDH  # 用变异系数除以所有变异系数之和得出权重矩阵
    print(QZ)
    #  将权重(QZ表格)转换为矩阵
    QZJZ = np.mat(QZ)  # 因为涉及到两个dataframe的值相乘,需要先转化为矩阵,首先把权重转化为矩阵
    print(QZJZ)
    #  将GYH表格转换为矩阵
    GYHJZ = np.mat(GYH)  # 把归一化后的数据转化为矩阵
    # print(GYHJZ)
    #  权重矩阵乘以归一化矩阵
    NZHPFJZ = GYHJZ * QZJZ.T  # 矩阵相乘,要注意第一个矩阵的列和第二个矩阵的行必须一致,.T代表矩阵的转置
    NZHPF = pd.DataFrame(NZHPFJZ.T)  # 把相乘后的矩阵转化为dataframe
    # print(NZHPF)
    #  累加求和得到总分
    NZHPFZH = list(NZHPF.apply(sum))
    # print(NZHPFZH)
    #  max-min 归一化(如果要研究两个变量之间的关系,数据算到上一步就OK,如何研究数据本身的排名,继续
    NZHPFZH = pd.DataFrame(NZHPFZH)
    ZHPFGYH = (NZHPFZH-NZHPFZH.min())/(NZHPFZH.max()-NZHPFZH.min())
    # print(ZHPFGYH)
    #  部落的热度值映射成分数(0-100分)
    # last_hot_score_result = [i * 100 for i in last_hot_score_autoNorm]
    # print(last_hot_score_result)
    result = ZHPFGYH*100
    print(result)
    # 数据保存进excel中
    QZ.to_csv('D:\\5.python data\\jzl.csv', index=False, header=False, mode='a')  # index=False代表不要列头;header=False代表不要索引;mode='a'代表数据是追加写入不是覆盖
    # NZHPF.to_csv('D:\\5.python data\\jzl.csv', index=False, mode='a')
    result.to_csv('D:\\5.python data\\jzl.csv', index=False, header=False, mode='a')
    
    展开全文
  • 龙源期刊网http://www.qikan.com.cn...研究方法:层次分析变异系数法、组合赋权。研究结果:在土地集约评价过程中,指标权重的确定方法是否合理,权重结果是否完全反映指标的重要性,直接影响评价的最终结果,结果表...
  • 权重确定方法归纳

    2019-01-29 14:27:47
    权重确定方法归纳包含 变异系数法 层次分析 熵值 主成分分析 等本文档介绍了每一种方法的原理优缺点及实验、一致性等
  • 003权重分析

    2020-11-30 19:04:44
    熵权、主成分分析、均方差(离差)、复相关系数、critic变异系数法、 2.主观赋权 层次分析,详见上一篇博客[002层次分析],德尔菲,直接打分,二项系数和最小平方法 3...
  • 为评价煤矿企业自身隐患排查治理能力,建立隐患排查治理能力指标体系模型,应用熵值变异系数法的组合赋权克服熵值权重的缺陷,利用Matlab工具求解熵值法权重,最后通过综合指数评价实现对隐患排查治理能力...
  • 确定指标权重的方法有很多,可分为主观赋权和客观赋权两大类,其中主观赋权有特尔斐、层次分析等,客观赋权变异系数法、熵值、特征向量等。但以上方法都存在者各自的优缺点与局限性。为克服了单一...
  • 数学建模之主成分分析

    万次阅读 多人点赞 2018-08-14 17:02:01
    一类是主观赋权,多数采取综合咨询评分确定权重,如综合指数,模糊综合评价,层次分析,功效系数法等.另一类是客观赋权,根据各指标间相关关系或各指标变异程度来确定权数,如主成分分析,因子分析,TOPSIS等. ...
  • 一类是主观赋权,多数采取综合咨询评分确定权重,如:综合指数、模糊综合评价、层次分析、功效系数法等。另一类是客观赋权,根据各指标之间的相关关系或各指标值变异程度来确定权数,如:主成分分析、...
  • 在这项研究中,Kinect在计算质心的基础上,检测人体关节以获得10种静态平衡能力的基本指标,通过变异系数法计算重量系数和变异系数,并计算不同系数的值。最后,结合系数线性权重线性求和,得到综合的静态...
  • 该模型对手机的各项性能参数进行了分类分析,采用变异系数法计算手机各个评价指标的权重;然后进行单因素评判,建立模糊综合评判矩阵,采用加权平均型算子进行综合评判,得到最后的评估结果。对比实验表明,相对于...
  • 针对ZigBee网络性能评价中多元指标权重确定容易存在的人为性, 以及指标间不可能完全独立的特点, 将熵权变异系数法应用于客观权重决策中, 并引入指标间相关性对算法进行改进, 建立基于指标间相关性的多评价指标...
  • 变异系数法(Coefficient of variation method) https://wenku.baidu.com/view/aae46cd3360cba1aa811da9e.html夹角余弦 http://www.docin.com/p-1297305891.html熵值权重 ...
  • 模糊综合评判

    2016-08-18 16:04:00
    一 确定权重的方法:层次分析,德尔菲变异系数法,均方差。 主要学习方法:层次分析 二 层次分析 1.将问题因素分层,并条理化,逻辑化,理出层次结构 1)目标层(最高层):指决策的目的,要解决的...
  • 很难在正常情况下满足,本文中提出了一种基于变异系数法的加权朴素贝叶斯分类模型,克服这个问题关键在于利用各项指标间所包含的信息的差异,通过计算得到指标的权重。有效地提高了朴素贝叶斯算法的分类性能,并且也...
  • 并运用变异系数法客观定量地确定了每个评判因素的权重。以研究区西井通风系统为例,综合评价结果目前矿井通风状态质量为好,且通风机风量、风机静压均满足需求。定时应用该模型对各个巷道的通风状态进行评价,及时掌握...
  • 模型选用瓦斯压力、瓦斯放散初速度、煤的破坏类型、坚固性系数、埋深比及煤厚变异系数6项指标构成评价指标体系,采用乘法集成组合层次分析和相似系数进行指标赋权,借助属性评价模型对石壕煤矿M8煤层进行突出...
  • 集对分析具有概念明确、计算简便和信息全面的优点,针对软件重构...运用变异系数法确定指标权重,提高了方案评价的可信度。实验结果证明,集对分析模型能够正确地定位需要重构的软件代码,并能够给出具体的重构顺序。
  • 1 (重复了好几次的)前言使用比较...如综合指数、模糊综合评判、层次分析、功效系数法等。这些方法都依赖于 “专家” 的权重或较多独立个体的评判偏好。客观赋权: 根据各指标间相关关系或各指标值变异程度...
  • 同时,以相关岩体质量分级案例为对象,在德尔菲变异系数法求得的评价因子权重基础上,基于距离函数约束思路获得组合赋权后的评价因子综合权重。再依据正向正态云发生器,得到待评案例样本的综合确定度,由最大综合...
  • 然后,选取系统网损、线路潮流过载率、电压偏移率、静态电压稳定裕度、静态灵敏度和短路电流作为机组降压运行方案的评价指标,并构建线性加权的优化模型,采用变异系数法计算优化模型的权重,根据优化结果对待选降压...
  • 最后,提出变异系数法对3个特征进行权重分配,并结合候选目标的归一化特征矢量计算其特征置信度,再确定最佳置信度,去除候选目标中的虚警目标,优化舰船检测结果。为了验证所提方法,选取不同复杂场景的高分三号SAR...
  • GA--共享机制

    2010-11-08 11:17:00
    常用方法: 1、 权重系数变换:给每个目标函数赋予权重,其线性加权和为总的目标函数。 2、 并列选择:先将群体中的全部个体按子目标函数的数目均等地划分为一些子群体,对每个子群体分配一个子目标...
  • 空间数据分析与R语言实践

    热门讨论 2014-06-11 23:00:57
    8.5.8 趋势函数和它们的系数 8.5.9 应变量的非线性变换 8.5.10 奇异矩阵错误 8.6 模型诊断 8.6.1 交叉验证残差 8.6.2 交叉验证的z-score 8.6.3 多变量交叉验证 8.6.4 交叉验证的局限性 8.7 地统计模拟 ...

空空如也

空空如也

1 2
收藏数 34
精华内容 13
关键字:

变异系数权重法