MATLAB基础（六）评价类算法

•常见的综合评定方法分为两类：

•（1）综合评定法：直接评分法(专家打分综合法)、总分法、加权综合评定法、AHP+模糊综合评判、模糊神经网络评价法、待定系数法及分类法.

•现代综合评价方法：层次分析法(Analytic Hierarchy Process,AHP)、数据包络分析法(Data Envelopment Analysis,DEA)、人工神经网络评价法(Artificial Neural Network,ANN)、灰色综合评价法、模糊综合评定法

•两种经典的综合评判决策：

•总分法：S=ΣSi.加权综合评定法:E=ΣaiSi

•（2）两两比较法：顺序法和优序法.

常见的评价类模型

•层次分析法

•模糊综合评价法

•神经网络算法

 

模糊综合评价算法

•1965年，美国著名自动控制专家查德（L.A. Zadeh）教授提出了模糊（fuzzy）的概念，并发表了第一篇用数学方法研究模糊现象的论文“模糊集合”（fuzzy set）。他提出用“模糊集合”作为表现模糊事物的数学模型。并在“模糊集合”上逐步建立运算、变换规律，开展有关的理论研究，就有可能构造出研究现实世界中的大量模糊的数学基础，能够对看来相当复杂的模糊系统进行定量的描述和处理的数学方法。

•在模糊集合中，给定范围内元素对它的隶属关系不一定只有“是”或“否”两种情况，而是用介于0和1之间的实数来表示隶属程度，还存在中间过渡状态。比如“老人”是个模糊概念，70岁的肯定属于老人，它的从属程度是 1，40岁的人肯定不算老人，它的从属程度为 0，按照查德给出的公式，55岁属于“老”的程度为0.5，即“半老”，60岁属于“老”的程度0.8。查德认为，指明各个元素的隶属集合，就等于指定了一个集合。当隶属于0和1之间值时，就是模糊集合，即论域上的元素符合概念的程度不是绝对的0或1（不是或是），而是介于0和1之间的一个实数。

 

                                                                                             BP神经网络

1、BP网络构建

（1）生成BP网络

：由维的输入样本最小最大值构成的维矩阵。

：各层的神经元个数。

*通常情况输入层神经元个数与选取的指标相关，隐含层通常不超过输入层的2 倍

：各层的神经元传递函数。

*常用的传递函数

   purelin:线性传递函数

   tansig:正切S型传递函数

   logsig:对数S型传递函数

：训练用函数的名称。

（2）网络训练

（3）网络仿真

 

BP网络的训练函数

训练方法	训练函数
梯度下降法	traingd
有动量的梯度下降法	traingdm
自适应lr梯度下降法	traingda
自适应lr动量梯度下降法	traingdx
弹性梯度下降法	trainrp
Fletcher-Reeves共轭梯度法	traincgf
Ploak-Ribiere共轭梯度法	traincgp
Powell-Beale共轭梯度法	traincgb
量化共轭梯度法	trainscg
拟牛顿算法	trainbfg
一步正割算法	trainoss
Levenberg-Marquardt	trainlm

 

BP网络训练参数

训练参数	参数介绍	训练函数
net.trainParam.epochs	最大训练次数（缺省为10）	traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.goal	训练要求精度（缺省为0）	traingd、traingdm、traingda、traingdx、trainrp、traincgf、traincgp、traincgb、trainscg、trainbfg、trainoss、trainlm
net.trainParam.lr