隸屬度的確定方法110412

隸屬度的確定方法隸屬度是指若對(duì)論域（研究的范圍）U中的任一元素x，都有一個(gè)數(shù)A（x）∈[0，1]與之對(duì)應(yīng)，則稱A為U上的模糊集，A（x）稱為x對(duì)A的隸屬度。簡(jiǎn)單的講，隸屬度A（x）越接近于1，表示x屬于A的程度越高，A（x）越接近于0表示x屬于A的程度越低。隸屬度的確定是應(yīng)用模糊綜合評(píng)價(jià)方法最關(guān)鍵的步驟，直接關(guān)系到最終的評(píng)價(jià)結(jié)果是否科學(xué)、合理。1、隸屬度的確定方法目前，常用的確定隸屬度的方法有專家打分法和隸屬函數(shù)法兩種。(1)專家打分法。專家打分法是在評(píng)語集V=（v1，v2?vl）評(píng)價(jià)語vv……v確定為這一評(píng)價(jià)語的專家個(gè)數(shù)mm……m注：m那么這一風(fēng)險(xiǎn)因素的對(duì)于各評(píng)語的隸屬度隨之便確定了下來我們把隸屬度用ri表示，則ri=mi評(píng)價(jià)語vv……v確定為這一評(píng)價(jià)語的專家個(gè)數(shù)mm……m隸屬度rmmm(2)隸屬函數(shù)法。隸屬函數(shù)法最核心的部分是隸屬函數(shù)的確定，常見的隸屬函數(shù)有矩形分布、梯形分布、拋物線形分布、正態(tài)分布等，應(yīng)用最多的是梯形分布，該項(xiàng)目采用梯形分布也比較合適。梯形分布的圖形為：xcbda01A（x）xcbda01A（x）表達(dá)式為：AAA假設(shè)我們得到了一個(gè)評(píng)價(jià)因素的得分，輸入到隸屬函數(shù)中即能得到相應(yīng)的隸屬度，這種方法目前應(yīng)用的比較廣泛。該項(xiàng)目的風(fēng)險(xiǎn)預(yù)測(cè)模型的大部分評(píng)價(jià)指標(biāo)應(yīng)采用這一方法確定隸屬度。2、本項(xiàng)目的特點(diǎn)（1）評(píng)價(jià)指標(biāo)類型不一。本項(xiàng)目的評(píng)價(jià)指標(biāo)較多，共有三級(jí)指標(biāo)41個(gè)，且指標(biāo)的類型不盡相同，有的屬于“數(shù)據(jù)型”指標(biāo)，如機(jī)構(gòu)注冊(cè)資金，這類的指標(biāo)能夠用明確的數(shù)據(jù)進(jìn)行表達(dá)；有的屬于“描述型”指標(biāo)，如機(jī)構(gòu)性質(zhì)，這類指標(biāo)具有明確的標(biāo)準(zhǔn)，或是屬于機(jī)關(guān)或是屬于事業(yè)單位等等，比較固定；有的屬于“模糊型”指標(biāo)，如社會(huì)關(guān)注度，這類指標(biāo)概念相對(duì)模糊，不好判斷一個(gè)項(xiàng)目到底屬于社會(huì)關(guān)注度高或低。（2）模型應(yīng)用較為頻繁。該模型建立完成之后，在CNAS以后的認(rèn)可工作中，需要將模型頻繁的使用。這樣一來，若采取專家打分法進(jìn)行隸屬度的確定，會(huì)給認(rèn)可工作帶來一定的不便，因?yàn)槊看蜟NAS進(jìn)行對(duì)申請(qǐng)單位進(jìn)行認(rèn)可之前，都需要組織若干專家率先對(duì)風(fēng)險(xiǎn)預(yù)測(cè)模型中的各指標(biāo)進(jìn)行打分，耗時(shí)耗力。3、該項(xiàng)目采用的隸屬度確定方法針對(duì)該項(xiàng)目的特點(diǎn)，考慮對(duì)于不同的評(píng)價(jià)指標(biāo)采取不同的方法確定隸屬度，具體來說，對(duì)于“數(shù)據(jù)型”指標(biāo)，采取隸屬函數(shù)法；對(duì)于“描述型”指標(biāo)，采取直接法；對(duì)于“模糊型