基于矢量(向量)相似度的多属性决策方法及matlab应用

本文探讨了在多属性决策问题中,如何利用矢量(向量)相似度而非距离函数来更准确地衡量偏好信息和权重。介绍了包括J、E和C相似度在内的多种相似度定义,并通过一个基于3个城市应急体系评估的实例,展示了这些方法在实际决策中的应用。同时,给出了MATLAB程序实现的步骤,以计算不同群体成员的属性与理想矢量的相似度。
摘要由CSDN通过智能技术生成

关于多属性群体决策问题中,很多文献考虑使用距离函数来构建属性权重或专家权重,但距离函数只考虑了两组数据(或模糊数)的距离,没有考虑形状等特征的影响,降低了距离函数的对于偏好信息或权重信息的识别性,如三角模糊数A=(0.1,0.2,0.3)、B=(0.3,0.4,0.5)、C=(0.5,0.6,0.7),A和B的欧式距离相等,B和C的欧式距离相等,很难做出准确的判断。
相似度是刻画两个客观事物相似性的重要量度,两矢量间的相似度有很多定义方法,本节主要介绍三种重要的两矢量间的相似度。
1.J相似度
在这里插入图片描述
2. E相似度
在这里插入图片描述
用两个矢量之间的夹角余弦值来定义两矢量之间相似度。
3.C相似度
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

计量小虫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值