%来源《基于扩展贝叶斯方法融合的作战效能评估研究》
clear
clc
%定性指标T2 T7 T8
%以下Kcap和Ccap数据对应表6,将表6拆分为两个矩阵
%横坐标Kcap:知识度
%纵坐标Ccap:满意度
%Kcap和Ccap相同的位置组合起来对应信念图上的一个点
%Kcap和Ccap:行对应专家(3个专家),列对应指标(3个指标)
Kcap=[0.8 0.78 0.85;
0.7 0.8 0.7;
0.65 0.7 0.6];
Ccap=[0.85 0.82 0.8;
0.75 0.75 0.78;
0.8 0.8 0.75;];
P=bayesrh(Kcap,Ccap);
%定量指标T1 T3 T4 T5 T6 T9
%以下Kcap1数据对应表8,Ccap1均为0.85
%横坐标Kcap1:知识度
%纵坐标Ccap1:满意度
%Kcap1和Ccap1相同的位置组合起来对应信念图上的一个点
%Kcap1和Ccap1:行对应试验方案(3个试验方案),列对应指标(6个指标)
Kcap1=[0.85 0.67 1.00 0.67 0.67 0.75;
0.80 0.53 0.75 0.53 0.47 0.63;
0.75 0.33 0.60 0.60 0.60 0.50];
Ccap1=0.85*ones(3,6);
P1=bayesrh(Kcap1,Ccap1);
w=[0.16 0.11 0.09 0.17 0.08 0.09 0.09 0.11 0.1];
E=[P1(1) P(1) P1(2:5) P(2:3) P1(6)];
EV=w*E'
function P=bayesrh(Kcap,Ccap)
[m,n]=size(Kcap);%Ccap大小与之相同
for i=1:n
fenzi=1;
temp=1;
for j=1:m
fenzi=fenzi*(Kcap(j,i)*Ccap(j,i)+(1-Kcap(j,i))*(1-Ccap(j,i)));
temp=temp*((1-Kcap(j,i))*Ccap(j,i)+Kcap(j,i)*(1-Ccap(j,i)));
end
P(i)=fenzi/(fenzi+temp);
end