建模随手记5 --- 模糊综合评价

---

参考文章：

https://zhuanlan.zhihu.com/p/32666445

模糊综合评价主要利用的使模糊数学中的隶属度来进行分析，通过一些主观的因素来将定性条件引入，进而对对象进行定量的评价。

一下记录书中P110的案例实现：

加载数据：

1   0.4 7.86    97
1   0.6 8.42    91
1   0.533   5   96
1   0.8667  8.83    96
1   0.4 6.4 96
1   0.2667  10.67   101
1   0.4667  11  108
1   0.6667  8.2 101
1   0.2667  10.9    85
1   0.5333  7.33    84
1   1.2 12.5    84
1   0.733   13.5    89
1   0.4 10  96
1   0.2 10.89   93
1   0.5333  10.25   94
1   0.8 8.46    87
0.9747  0.6667  9.55    89
0.9747  0.9333  8.5 97
0.9747  0.1333  9.14    92
0.9114  0.4 10.2    86
0.8987  0.1333  8   84
0.8481  0.3333  10.5    78
0.7595  0.6 9.89    62

def load_data():
    data = []
    with open('./test_fuzzy.txt') as f:
        data = f.readlines()
    data = [list(map(float, item.strip().split())) for item in data]
    return np.array(data)

数据加载后，我们计算每种因素不同评价的隶属度，这里的不同评价就引入了主管因素，简单来说就是计算不同人所占比例。

def get_memMat(data):
    memMat = np.zeros(