優劣解距離法Topsis模型
定義:
TOPSIS法是一種常用的綜合評價方法,其能充分利用原始資料的資訊,其結果能精確地反映各評價方案之間的差距。
層次分析法的侷限性:
問題和解決方案:
所以最終評分公式為:
指標正向化,得到正向化矩陣:
正向化矩陣標準化,消除量綱:
計算得分並歸一化:
步驟:
-
統一指標型別為極大型指標
常見四種指標:
極大型(效益型)指標
極小型(成本型)指標
中間型指標(接近某個值)
區間型指標(落在某個區間)
-
對指標的值進行標準化處理,消去不同指標量綱
不同指標可能有不同的權重,權重的求法用層次分析法;求得指標的權重後,標準化處理時加上權重係數。
-
根據評分公式和標準化矩陣(n*m,n個物件,m個指標)計算每個評價物件未歸一化的得分
4.每個物件評分歸一化
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69926318/viewspace-2656356/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 評價模型TOPSIS與熵權法MATLAB程式碼模型熵Matlab
- 優於VAE,為萬能近似器高斯混合模型加入Wasserstein距離模型
- 馬氏距離與歐氏距離
- 【Python】距離Python
- JavaScript 元素距離視窗頂部的距離JavaScript
- 曼哈頓距離與切比雪夫距離
- 編輯距離及編輯距離演算法演算法
- JavaScript獲取元素距離文件頂部的距離JavaScript
- 最小距離分類器,互動式選取影像樣本分類資料,進行最小距離分類(實現歐式距離,馬氏距離,計程距離)
- unit原子距離
- Laravel 距離排序Laravel排序
- 餘弦距離
- 馬氏距離
- 藍橋杯-移動距離(最簡單的寫法)
- 【DP】編輯距離
- 距離度量學習
- 曼哈頓距離與切比雪夫距離的互化
- docker vm 效能優劣Docker
- milvus 使用 l2 歐式距離計算向量的距離,計算出來的距離的最大值是多少?
- 漢明距離(Hamming distance)
- 距離容差來源
- 461. 漢明距離
- 建立索引的優劣勢索引
- 傳說中的推土機距離基礎,最優傳輸理論瞭解一下
- 在表格中基於樹的模型與深度學習優劣對比模型深度學習
- 距離-有這麼多類
- 線性dp:編輯距離
- 902.最短編輯距離
- 編輯距離演算法演算法
- LeetCode 461. 漢明距離LeetCode
- LeetCode72編輯距離LeetCode
- LeetCode 834 樹中距離之和LeetCode
- 經緯度距離換算
- UICollectionView設定行間距失效,解決辦法UIView
- Python語言的優劣分析Python
- PHP程式碼的優與劣PHP
- XML 與 JSON 優劣對比XMLJSON
- 最優傳輸理論你理解了,傳說中的推土機距離重新瞭解一下