层次分析法中的一致矩阵性质笔算推导

最新推荐文章于 2024-08-07 21:53:40 发布
最新推荐文章于 2024-08-07 21:53:40 发布
阅读量170 收藏
点赞数 1
文章标签： python 机器学习 矩阵 线性代数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiaoyvhuv/article/details/140724275
版权

 这里必须先回顾一下线性代数的知识——特征值和特征向量

特征向量：若A为n阶方阵，如果存在一个非零向量x使得AX={\lambda}X，则称标量λ为特征值(eigenvalue)，称x为属于λ的特征向量(eigenvector)。

矩阵的秩r（A）就是转为阶梯型矩阵之后的非零行数，因为一致矩阵对应成比例，所以其秩为1

因此：一致矩阵有一个特征值 n ，其余特征值均为0，且容易得到，

Flyinggg_love
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
层次分析法
m0_49103927的博客
07-16 2236
层次分析法的简单介绍 通俗来讲，层次分析法（Analytic Hierarchy Process）就是通过分等级评估的方法来定量的衡量一个定性的决策问题. 一般分为以下四个步骤; （1）建立递阶层次结构模型 （2）构建出判断矩阵 （3）一致性检验 （4）计算影响因子 建立层次结构模型 层次分析法的递阶层次结构模型在形式上和人工神经网络有相似之处，但二者的实际运算机制是完全不同的，有时间我将专门比较介绍二者的异同。 具体形式如下图所示： 构建出判断矩阵 构建判断矩阵采取打分的形式，打分标准具体如下： 我们需
清风数学建模——模型学习层次分析法
weixin_44577465的博客
05-17 1158
非原创，看清风数学建模视频课做的笔记，建议去B站观看清风数学建模的课程或者购买正课~
层次分析法的判断矩阵构造过程_第二篇-层次分析法
热门推荐
weixin_39575565的博客
11-03 1万+
1、递阶层次结构的建立 将问题所涉及的因素条理化、层次化、构造出一个有层次的结构模型，在这个模型中复杂的问题被分解成若干个元素，各层次之间都有一定的关系，上一层次的元素对下一层次的元素有支配作用出，层次可以分为以下三类：最高层、中间层、最低层。而建立的递阶层次结构具有以下特点：（1）整个结构中，层次数不受限制；（2）最高层只有一个元素，每一个元素所支配的元素一般不超过9个；（3）从上到...
在matlab中讲矩阵一次性检验,层次分析法原理和matlab代码实现
weixin_32869687的博客
03-16 2636
笔记来自清风老师的数学建模系列课程，课程链接：层次分析法层次分析法例题，IMMC2020https://blog.csdn.net/yanyanwenmeng/article/details/1049074121. 指标选择途径(1)题目背景(2)中国知网、百度学术、谷歌学术等地方搜索相关文献，查找指标(3)搜索网站推荐：虫部落https://search.chongbuluo.com/(4)...
Python爬虫与MongoDB的完美结合
weixin_52392194的博客
08-03 705
我们掌握了在Windows和Linux系统下安装MongoDB，设计适合爬虫存储数据的写入规范，并通过实际爬虫示例展示了如何将爬取到的数据存储到MongoDB中。此外，还进行了MongoDB性能优化，提高了数据存储和查询的效率。
本地部署 Llama-3-EvoVLM-JP-v2
engchina的专栏
08-04 480
本地部署 Llama-3-EvoVLM-JP-v2
伐木工 (100%用例)D卷 (Java&&Python&&C++&&Node.js&&C语言)
荆赫同艺的博客
08-07 48
一根 4米长的树木，伐木工不需要切割为 2*2，省去切割成本，直接整根树木交易，为 4*1，收益最大为 4。方式二: 3,2,2,3，但方式二，伐木工多切割一次，增加了切割成本却卖了一样的价格，因此并不是最优收益。一根 2 米长的树木，伐木工不切割，为2*1，收益最大为 2。一根5 米长的树木，伐木工切割为 2*3,收益最大为 6。输出最优收益时的各个树木长度，以空格分隔，按升序排列。一根 10 米长的树木，伐木工可以切割。方式一:3,4,4，也可以切割为。
jupyter下载
Einstein·Jun
08-06 367
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
Python语法基础常识
2401_86168842的博客
08-07 145
初步学习print函数时，我们可以看到print函数分别有无引号、单引号、三引号用法，即print()、print(' ')、print(''' ''')用法，他们之间的用法分别是怎样的呢？number='3.1415926'，那么这行代码中，number就是变量，我们把数字“3.1415926”赋值给了number。print('')则是用于文字输出，当我们想要让计算机打出非纯数字内容时，就得在print函数中用单引号''。当然，可能有同学会好奇：“那我能不能不用单引号，用双引号呢？
java selenium 设置代理，允许在其他环境中使用不同的IP访问
huanghm88的专栏
08-05 442
此代码以Chrome浏览器为例，如果你使用其他浏览器，你需要相应地调整代码。另外，你需要下载适用于你的操作系统的Chrome浏览器驱动，并将路径替换为。在Java Selenium中设置代理可以使用。替换为其他环境中要访问的IP地址。替换为实际的代理IP和端口，并将。
在 Python 和 C++ 环境下安装和使用 ONNX Runtime
CDBmax的博客
08-03 359
对于 GPU 版本的 ONNX Runtime，需要安装 CUDA 和 cuDNN。请检查 CUDA 执行提供程序的要求以获取兼容版本的 CUDA 和 cuDNN。通过上述步骤和示例代码，您可以在 Python 和 C++ 环境下安装并使用 ONNX Runtime 进行模型推理。《windows端可以用 vs编辑器配置相应的头文件、库文件》《这部分可以去B站有很多教学视频讲的更详细》
【面试题】寻找两个正序数组的中位数
联系方式：927632640
08-06 391
面试学习给定两个大小分别为 m 和 n 的正序数组 nums1 和 nums2，我们需要找到这两个数组的中位数。下面是详细的解题步骤和 Python 代码示例。
[CSCCTF 2019 Qual]FlaskLight (jinja2模版注入)
weixin_73399382的博客
08-07 188
这种有参数的我先直接丢fengjing扫了一下，结果还真搞出来，这工具还是挺牛的，就是没参数的时候搞不了。输入{{7*‘7’}}，返回7777777表示是 Jinjia2 模块。进入web界面输入前三个参数，表单输入就是刚才的search参数。输入{{config}}查看配置发现提示flag就在当前目录下。分析完后右边会提示你输入可以输入命令自动生成payload。或者中间加个+号也可以['__glo'+'bals__']输入{{7*‘7’}}，返回49表示是 Twig 模块。下面是判断模版注入的方法。
昇思基础课程打卡（SPONGE课前学习）9.使用静态图加速
cftang9999的专栏
08-06 496
AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。
PAI-DSW中对齐NoteBook和命令行的Python环境
MilkLeong的博客
08-02 750
我认为在最开始NoteBook和命令行的Python环境是一致的，只是我前面在部署LLaMA-Factory时进行了如下操作将命令行的Python环境改成了/root/anaconda3/bin/python。具体详见。
python游戏开发之五子棋游戏制作
m0_65482549的博客
08-05 1461
它通过简洁明了的语法和逻辑结构，提高了代码的可读性和可维护性。通过引入交互性更强的用户输入方式，使得玩家可以更直观地参与游戏，增强了游戏的可玩性和用户体验。总的来说，这段 Python 在保持游戏逻辑不变的情况下，提升了代码的质量和可玩性，为开发者和玩家带来了更好的体验。如有侵权，请联系删除。
【Python知识】m.inplace = inplace 《==》是否执行原地操作
最新发布
2301_77549977的博客
08-07 46
属性是一个布尔值，用于指示某个操作是否可以以原地（in-place）模式执行。原地操作意味着操作会直接修改输入张量的值，而不是创建一个新的张量来存储结果。这种方式可以减少内存使用，因为它避免了为输出结果分配额外的内存空间。# 如果激活层模块有 inplace 属性，则设置该属性 if hasattr(m, 'inplace'): m.inplace = inplace inplace 属性是什么？，原地属性允许在不增加额外内存开销的情况下应用激活函数。涉及梯度更新时，原地操作需要谨慎使用。
【AI大模型】大模型应用开发学习线路
hiliang521的博客
08-04 1050
【AI大模型】大模型应用开发学习线路
层次分析法实例Python
09-21
层次分析法是一种用于确定评价模型中各评价因子/准则的权重，并进一步选择最优方案的方法。在Python中，可以使用numpy库来实现层次分析法。 首先，我们需要构造一个矩阵p，其中每一行代表一个对象的指标评分。然后，构造输入判别矩阵A，该矩阵由自己确定的评价因子/准则组成。可以使用numpy的mat函数和array函数来构造矩阵p和矩阵A。 接下来，我们可以计算矩阵A的特征值和特征向量。可以使用numpy的linalg.eig函数来计算特征值和特征向量。 然后，我们可以找到最大特征值和对应的最大特征向量。可以使用numpy的max函数来找到最大特征值，并使用列表推导式和切片操作来找到对应的最大特征向量。 接着，我们可以计算权重向量，即最大特征向量的归一化值。可以使用numpy的sum函数来计算最大特征向量的和，并使用除法操作来归一化。 进行一致性检验，计算一致性指标CI和一致性比例CR。如果CR大于等于0.1，则没有通过一致性检验；否则，通过一致性检验。 最后，根据评分矩阵p和权重向量Q，计算每个评分对象的评分值。可以使用numpy的matmul函数来计算矩阵乘法，并使用for循环打印每个评分对象的评分值。 以下是一个层次分析法的实例代码： ```python import numpy as np # 构造评价模型中的矩阵p和矩阵A p = np.mat('8 7 6 8;7 8 8 7') # 每一行代表一个对象的指标评分 A = np.array([[1,3,1,1/3],[1/3,1,1/2,1/5],[1,2,1,1/3],[3,5,3,1]]) # 输入判别矩阵 # 计算特征值和特征向量 V, D = np.linalg.eig(A) # 找到最大特征值和对应的最大特征向量 k = [i for i in range(len(V)) if V[i] == np.max(V)] tzx = -D[:, k] # 计算权重向量 quan = np.zeros((len(tzx), 1)) for i in range(len(tzx)): quan[i] = tzx[i] / np.sum(tzx) Q = quan # 进行一致性检验 CI = (np.max(V) - len(V)) / (len(V) - 1) RI = [0,0,0.58,0.9,1.12,1.24,1.32,1.41,1.45,1.49,1.52,1.54,1.56,1.58,1.59] CR = CI / RI[len(V) - 1] if CR >= 0.1: print('没有通过一致性检验\n') else: print('通过一致性检验\n') # 计算每个评分对象的评分值 score = np.matmul(p, Q) for i in range(len(score)): print('object_score {}: {}'.format(i, float(score[i]))) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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