1) Fuzzy optimize class evaluation
模糊优化等级评判
2) fuzzy optimization class evaluation
模糊优化等级评价
3) fuzzy optimization evaluation
模糊优选评判
4) secondary fuzzy evaluation
二级模糊评判
1.
Using secondary fuzzy evaluation model evaluate environmental quality;
用二级模糊评判模型评价环境质量状况
6) multilevel fuzzy synthetic evaluation-grey correlativity analysis
多级模糊综合评判-灰色关联优势分析
补充资料：模糊综合评判
综合考虑事物多种因素，用模糊集理论来评定其优劣的方法。模糊综合评判广泛用于评定产品质量、环境质量、农业布局、天气预报、医疗诊断等方面。
设给定两个有限论域：U＝{u1，u2，...，un}，V＝{v1，v2，...， vm}。这里 U是综合评判的因素所组成的集合,V代表评语所组成的集合。模糊综合评判是一个模糊变换问题：
X⋅R＝Y式中"⋅ "表示合成运算，X是U上的模糊子集，评判结果 Y是V上的模糊子集，模糊关系R可看作一个模糊变换器（见图）。
若已知Y和R，求X；或已知X和Y，求R；就构成模糊综合评判的逆问题，需要求解模糊关系方程。模糊关系方程是法国学者E.桑杰斯于1976年根据医疗诊断的需要提出来的。这类问题相当于已知评判结果和模糊关系，求评判者对各种因素的权数分配问题。这种问题具有重大的实际意义，对发展专家系统起指导作用。
现举评判电视机的实例来说明模糊综合评判的方法。U＝{u1，u2，u3}，V＝{v1，v2，v3，v4}。这里u1代表图像,u2代表音响，u3代表价格；v1表示很好，v2表示较好,v3表示可以,v4表示不好。设聘请专家或顾客进行评判。例如对于图像，有50％的人认为很好，40％的人认为较好，10％的人认为可以，没有人认为不好。全部结果记作：
对于图像：Vu1＝(0.5，0.4，0.1，0)
对于音响：Vu2＝(0.4，0.3，0.2，0.1)
对于价格：Vu3＝(0，0.1，0.3，0.6)
这样就构成一个模糊矩阵：
设一类顾客在购买电视机时主要是要求图像清晰，价格便宜，音响稍差则不要紧，则此类顾客对电视机三个因素的权数分配
X ＝[0.5 0.2 0.3]对电视机的评判结果为这是根据最大最小运算得到的，还需作归一化处理。因为0.5＋0.4＋0.3＋0.3＝1.5，用1.5除各项得到 [0.330.27 0.20 0.20]。模糊综合评判的结果,认为图像、音响、价格都很好的占比重最大，达33％。
设给定两个有限论域：U＝{u1，u2，...，un}，V＝{v1，v2，...， vm}。这里 U是综合评判的因素所组成的集合,V代表评语所组成的集合。模糊综合评判是一个模糊变换问题：
X⋅R＝Y式中"⋅ "表示合成运算，X是U上的模糊子集，评判结果 Y是V上的模糊子集，模糊关系R可看作一个模糊变换器（见图）。
若已知Y和R，求X；或已知X和Y，求R；就构成模糊综合评判的逆问题，需要求解模糊关系方程。模糊关系方程是法国学者E.桑杰斯于1976年根据医疗诊断的需要提出来的。这类问题相当于已知评判结果和模糊关系，求评判者对各种因素的权数分配问题。这种问题具有重大的实际意义，对发展专家系统起指导作用。
现举评判电视机的实例来说明模糊综合评判的方法。U＝{u1，u2，u3}，V＝{v1，v2，v3，v4}。这里u1代表图像,u2代表音响，u3代表价格；v1表示很好，v2表示较好,v3表示可以,v4表示不好。设聘请专家或顾客进行评判。例如对于图像，有50％的人认为很好，40％的人认为较好，10％的人认为可以，没有人认为不好。全部结果记作：
对于图像：Vu1＝(0.5，0.4，0.1，0)
对于音响：Vu2＝(0.4，0.3，0.2，0.1)
对于价格：Vu3＝(0，0.1，0.3，0.6)
这样就构成一个模糊矩阵：
设一类顾客在购买电视机时主要是要求图像清晰，价格便宜，音响稍差则不要紧，则此类顾客对电视机三个因素的权数分配
X ＝[0.5 0.2 0.3]对电视机的评判结果为这是根据最大最小运算得到的，还需作归一化处理。因为0.5＋0.4＋0.3＋0.3＝1.5，用1.5除各项得到 [0.330.27 0.20 0.20]。模糊综合评判的结果,认为图像、音响、价格都很好的占比重最大，达33％。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条