夹逼对抗解释结构模型方法(SAISM)


论文写作或者计算需要帮助可发邮件到 hwstu # sohu.com 把 #替换成@,请说清来意,不必拐弯抹角,浪费相互之间的时间。非免费

SAISM


# 描述 链接
1 常见的综合考评类 高考录取的例子——考评类例子讲解
2 TOPSIS的SAISM表达 TOPSIS类型
3 VIKOR的SAISM表达 VIKOR类型
3 RSR的SAISM表达 RSR类型

夹逼解释结构模型的一般流程


  SAISM,是Squeeze Adversarial Interpretive Structure Modeling Method 的简写。中文名叫夹逼对抗解释结构模型法。其一般流程图如下:

  AISM,是Adversarial Interpretive Structure Modeling Method 的简写。运算过程的流程图如下:

  当任意的决策矩阵中不存在完全相等的值,即不存在回路,AISM运算过程简化为如下:

  SAISM又叫SAHDT即 Squeeze Adversarial Hasse Diagram Technique 夹逼对抗哈斯图技术

   Squeeze 来由:

  Squeeze 来自纵向的过程,它是一个降维的过程。在机器学习中很流行的一个方法SENet(Squeeze-and-Excitation Networks)其中的Squeeze即为夹逼。

  纵向的过程中,行的数目不发生变化,列的数目是变小,通常变到1列。

  行代表评价对象、样本、方案、要素等等。

  列代表指标、准则、属性等等。

   SAISM针对的是多个评价对象的综合评价,如多个学生的成绩好坏,地区的环境好坏等,单个的评价对象对于SAISM来说无意义。

  CE,是综合评价(Comprehensive Evaluation)简写。

  所有的综合评价只要是涉及多个评价对象都可以用SAISM模型来指示。比如环境监测综合评价、药物临床试验综合评价、地质灾害综合评价、气候特征综合评价、产品质量综合评价等等;在社会科学中广泛应用于总体特征和个体特征的综合评价。比如,社会治安综合评价,生活质量综合评价、社会发展综合评价、教学水平综合评价、人居环境综合评价等等。在经济学学科领域更为普遍。如,综合经济效益评价、小康建设进程评价、经济预警评价分析、生产方式综合评价、房地产市场景气程度综合评价等等

  CE有三个关键技术。

  1、指标的选取。即有多少列。

  2、权重的确定。即求权重的方法,用主观法,还是客观法

  3、模型方法的适宜。只要是多个评价对象的,都可以用SAISM

偏序


偏序( Partial order )其实质就是序拓扑的求解

$$ \require{cancel} \require{AMScd} \begin{CD} D=\left[ d_{ij} \right]_{n \times m}@>偏序规则>>A=\left[a_{ij} \right]_{n \times n} \\ \end{CD} $$

其中 $D=\left[ d_{ij} \right]_{n \times m}$ 为决策评价矩阵。$n$行$m$列。$n$代表评价对象(要素、方案、样本);$m$代表维度(准则、属性、目标)。

其中 $A=\left[ a_{ij} \right]_{n \times n}$ 为关系矩阵。是一个布尔方阵。$n$代表评价对象(要素、方案、样本)。

对于决策矩阵$D$中 $n$个要素的任何一列都具有严格的可比性。

偏序规则

对于含有m列的评价矩阵D,其中的任意一列即指标维度,具有同属性,可比较的前提。维度的这种优劣的比较至少有着两种属性。

数值越大越优,数值越小越差,称之为正向指标。记作p1、p2……pm。 数值越小越好,数值越大越差,称之为负向指标。记作q1、q2……qm。

对于决策矩阵$D$中的任意两行$x,y$

负向指标有 $d_{(x,p1)} \geqslant d_{(y,p1)} 且d_{(x,p2)} \geqslant d_{(y,p2)} 且 {\cdots}且d_{(x,pm)} \geqslant d_{(y,pm)}$ 同时有

正向指标有 $d_{(x,q1)} \leqslant d_{(y,q1)} 且d_{(x,q2)} \leqslant d_{(y,q2)} 且 {\cdots}且d_{(x,qm)} \leqslant d_{(y,qm)}$

符合上述规则,要素$x$与要素$y$的偏序关系记作:$x ≺ y$

$x \prec y$的意义为$y要素$优于(好于,牛逼于,帅于,猛于)$x要素$ 。

上述规则成为偏序规则。对于决策矩阵通过偏序规则可以得到关系矩阵 $A$

$$a_{xy}= \begin{cases} 1, x \prec y \\ 0, 其它 \end{cases} $$