模糊信息（共11篇）
模糊信息 篇1
1. 引言
1965年, 美国数学家逻辑家查德 (L.A.Zadeh) 提出了著名的模糊集合论 (Fuzzy Sets) 。模糊信息的存在及应用不仅限于数学和自然科学领域, 在社会科学中也是广为存在的。模糊语言学 (Fuzzy Linguistics) 就是模糊理论在社会科学中运用的一个典型的例子。模糊理论向我们揭示了客观事物类别之间经常没有精确规定的界限这一事实。耶格尔汀曾给模糊性下了一个直观的定义:模糊性就是指一个命题与其否定命题之间缺乏明确的区别。具体地说, 一个概念离它的否定面愈远, 它就愈不模糊, 相反, 如果一个概念离它的否定面愈近, 这个概念就愈模糊”。我国的语言学家对模糊语也作了很多的研究。赵元任曾指出:“一个符号, 如果它运用于边缘的场合比运用于清晰的场合还突出, 它就是模糊的。”张乔明确指出:“模糊是指表达本身的意思有多于一种的含义, 而且这些含义在语义上是相关的。”
2. 语言的模糊性
在语言学中, 语言的模糊性已被认为是人类自然语言的种基本属性, 是复杂的语言体系中客观存在且难以避免的。其具体体现在具有模糊性的语言单位———模糊词及模糊结构———那些外延难以明确确定或精确确定的词和由这些词构成的词组。如英语中的修饰词very, more or less, about, sort of, approximately都属于模糊限制语。而一些量词few, severa1, lots of, plenty of, hundreds of也并没有表明明确的数目。在汉语中。模糊语言也是广泛存在的。如表示时间的“过去”、“现在”、“尽早”。表示性质状态的“完善”、“满意”。特殊的限制词“基本上”、“几乎”、“相对地”、“严格地”、“适当的”、“必要的”、“正当的”、“合理的”。情态动词“可以”、“应该”、“必须”等在语义上都具有模糊性。客观事物从一种状态到另一种状态往往很难划出一个明确的界限。反映在人类语言中, 许多词语所表达的概念就是没有明确外延的概念。
3. 模糊语言的可译性限度
在人类语言中也存在不少模糊现象, 诸如词义朦胧而含混、结构松散而依稀、寓意深邃而委婉等。尽管模糊语言为人类社会所共有, 但由于任何一种语言本身所具有的历史性、民族性、地域性、独特文化的继承性, 因而又表现为差异性, 即语言模糊性的个性。这种个性使得模糊语言自然难以理解, 而要从语义到语体, 在译语中用最切近而自然的对等语再现源语信息———翻译, 难度之大可想而知。就英汉翻译而言, 由于缺乏内涵和外延的等值关系, 英汉两种文字之间无法实现内容和形式在字面和功能上的相互转换。更有两个民族意念感受的差别、修辞表达的互异、文化体验的相悖、心理联想的不同、时间地域的距离及事物称谓的空缺等, 因而造成双语翻译中不可避免的失落、错讹与无奈。所有这一切归咎到一点, 就是模糊语言的可译性存在这样或那样的限度。
4. 口译中模糊信息的处理
既然语言的模糊性是人类自然语言的一种基本属性。模糊表达在口语中普遍存在, 而且在英汉语中的模糊信息存在着不对称性, 那么在口译中对模糊信息的正确处理就极为重要了。根据表达者所要表达的意思, 译者可以根据具体情况灵活处理。具体说来, 可以有几种处理方法。
4.1 直译
即用一种语言的模糊语去翻译另一种语言中的模糊语, 从而保留模糊信息。
The approximate number of demonstrators in front of the mu nicipal office building was 900.在市政办公大楼前示威的人数约有九百人。
当英语中的模糊信息存在不对称性时, 就需要用另一种语言中的非对等词来表达语义相同的模糊信息。
I could give you a hundred and one reasons for not going.我可以给你说出许多不去的理由。
4.2 意译
对于一些模糊表达, 可以不必拘泥于其字面上表达的意思。而是将其蕴涵的意思进行具体的延伸, 便于接受者理解。
Every life has its roses and thorns.每个人的生活都有甜有苦。本句中的“roses and thorns”如果直译的话为“玫瑰和荆棘”, 但这里译为“有甜有苦”, 更恰当地表达了句中的含义。
4.3 省略
对于在一些在口语表达中并不具有具体的实际意义的模糊信息, 在翻译中可以省略。
True greatness has little, if anything, to do with rank or pow-er.真正的伟大是几乎与地位和权力无关的。
在经贸谈判中, 有些模糊信息的运用仅仅是为了不留下漏洞, 起到防患于未然的作用。这种情况下, 译者可以在不扭曲原文的情况下, 进行适当的省略, 避免句子显得过于冗长繁杂。
The parties undertake to act in good faith with respect to each other’s rights under this contract and to adapt all reasonable measures to ensure the realization of the objectives of this contract.双方将公平地对待相互所享有的合同赋予的权利, 并采取一切合理的措施保证本合同的实施。
4.4 补充
英语中的某些模糊表达在译成中文时, 需要译者进行适当的添加。使之通顺, 更易于理解。
The education of the young is seen to be of primary impor-tance.人们认识到, 青年的教育占头等重要的地位。
在本句中, 原文的“is seen to”仅仅是“被看作”的意思, 并未说明是“在谁看来”, 但根据英语的约定俗成性, 译者知道其指的是“人们认识到”, 因此翻译时补充一下, 接受者就容易理解了。
We’d like to quote our new customers the most reasonable price to start our business relationship for the future, even at the cost of a substantial loss on our part.为了推动我们将来业务关系的发展, 我们愿意给新客户以最公道的价格, 即使这样做会令我方蒙受相当大的损失, 我们也在所不惜。
本句中出现了相当多的模糊信息, 译者逐一对应进行了翻译。并且注意到“the most reasonable price”, “a substantia loss”这些信息都是买方在强调他们提供的条件之优惠, 因此在翻译even时除了“即使……”, 补充了一句“我们也在所不惜”, 更进一步强调了其优惠的程度。
4.5 汉语化
作为不同的语言体系, 英汉两国语言在遣词造句、句法结构上都存在着差异性。这就需要译者根据汉语的语言习惯进行适当的调整, 使译文既保留了原意, 又听来通顺, 达到“通达”的标准。
A book may be compared to your neighbor, if it be good, i cannot last too long, if bad, you cannot get rid of it too early.一本书可以比作邻居。如果是好的.结识愈久愈好;如果是坏的.分手愈早愈好。
本句中“can not last too long”, “cannot get rid of it too early”如果译为“维持再长时间都不算多, 摆脱得再早也不算过分”则在中国人听来感觉别扭, 而适当地调整一下, 效果就好多了。
5. 结语
从以上的分析可以看出, 语言中的模糊信息是一个普遍存在的现象, 是交际者在交际活动示意和释义过程中出现的种种不确定性的总称, 对其正确掌握和处理对于翻译工作者来说, 是尤为重要的。本文仅仅分析了其中若干的现象, 提出了一些处理的技巧。在口译工作中。译者应根据具体的情况, 对表达者的意图进行恰当的翻译。而实践经验的积累是一笔丰富的财富, 理论与实践相结合, 将有助于我们更好地处理口译中碰到的种种问题。
模糊信息 篇2
信息产业竞争力的综合模糊评判
在对信息产业的内涵进行准确界定的基础上,本文提出了决定信息产业发展的四大支撑体系,并通过深入分析这四个层面,构建了较为客观的信息产业综合竞争力评价指标体系.同时,运用改进的模糊层次分析法综合中美两国实际进行了实证分析,进而为准确把握我国信息产业的.综合竞争力水平、制定合理的信息产业发展策略与措施提供了依据.
作 者：何亚琼 于立勇 黄梯云 作者单位：哈尔滨工业大学,管理学院,黑龙江,哈尔滨,150001刊 名：管理工程学报 ISTIC PKU CSSCI英文刊名：JOURNAL OF INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT年，卷(期)：16(3)分类号：N945.16关键词：信息产业 综合竞争力 模糊综合评判 模糊层次分析法
模糊信息 篇3
摘要：为了解决高速铁路轨道表面缺陷机器视觉检测系统中采集图像的冗余问题，本文提出一种钢轨表面图像冗余信息的模糊匹配算法。该种算法首先采用竖直投影法提取钢轨表面区域；之后对钢轨表面区域进行预处理并二值化，得到缺陷的位置信息；然后通过感知哈希算法，得到钢轨表面缺陷的形态信息；最后计算缺陷的位置误差和形态相似度，基于模糊匹配算法，得到匹配结果。通过实验验证，该算法能有效识别系统图像中的冗余部分，准确率达到97.5%。
关键词：机器视觉；钢轨；表面缺陷；模糊匹配
中图分类号：U213.4 文献标识码：A
随着铁路列车的不断提速，重载列车和城市地铁轻轨运营的增加，对铁路安全性、可靠性的要求日渐提高。由于受到天气状况恶劣、负载过大、行车速度快等因素影响，钢轨表面容易产生各种类型的缺陷，常见的有疤痕、裂纹、波纹擦伤、褶皱、剥落等。如果不及时对钢轨进行维护和更换，会发展成内部缺陷，造成严重的列车事故。因此，钢轨表面缺陷检测对维护铁路系统的安全运行非常重要。
目前钢轨表面缺陷检测主要依靠有经验的铁道工人目测巡检。这种检测方法不仅效率低、危险性大，还受人为和天气因素影响。随着技术的进步，超声、磁感应、电涡流感应、机器视觉等无损检测技术不断出现，尤其是机器视觉检测技术，已有一些研究人员进行了相应的研究并取得了一定成果。湖南大学采用线扫描相机采集钢轨图像，应用数字图像技术对钢轨表面缺陷进行检测，检测效率高，实时性好。中国铁道科学研究院研究了一种鲁棒实时钢轨表面擦伤检测算法，检测性能较高、速度快。
但是，上述算法仅对缺陷的识别做出了相应研究，对检测系统在采集过程中可能出现的冗余问题没有关注。由于在铁路维护过程中，一段钢轨可能要多次检测，因此会造成钢轨图像的重复采集。在钢轨分段维护中，路段与路段连接处也可能存在冗余信息。
钢轨表面缺陷的检测系统均采用线扫描相机采集钢轨图像，线扫描相机分辨率高，图像数据量大。以本文采集系统为例，若每次检测1000km铁路线路将采集至少25万张图像。所以，在使用大容量存储设备的同时，为了减少钢轨缺陷检测和分析的运算量，增加单次检测的里程，需要减少冗余图像。
在检测系统中图像采集的开始里程由人工输入，而后续里程则通过图像的采集量由系统自动计算，因此图像的冗余会影响采集系统中里程信息的准确性。为了提高钢轨缺陷定位的精度，冗余信息的去除也是非常有必要的。
钢轨缺陷的检测结果是铁路部门制定铁路维护计划的主要参考数据以及铁路损伤相关研究的资料，冗余信息的出现可能会造成缺陷识别结果的重复，影响检测结果的准确性，给后续的工作和研究带来不必要的问题。
因此需要研究一种识别冗余信息的匹配算法，以达到去除冗余信息的目的。由于无缺陷的钢轨图像高度相似，因此钢轨特征信息非常少，基于灰度和梯度信息都很难识别冗余信息。针对钢轨图像的高度相似性，本文通过钢轨缺陷的位置和形态的特异性，提出了一种钢轨表面图像冗余信息的模糊匹配算法，实现了冗余图像的识别功能。
1 成像设备
成像系统由线扫描相机和镜头、光源、控制设备3部分组成。相机选用DSLSA Spyder3GigE Vision线扫描相机，分辨率为1024像素，线扫描频率最高为68kHz，通过千兆以太网接口将图像数据传输到工控机。镜头接口为C口，焦距为25mm，光圈可调。采用超高亮度LED条形光源，对称安装于相机两侧对钢轨进行照明，以减少外界光线影响，提高成像质量。在轨检车车轮上安装旋转编码器，利用编码器信号控制相机的采集频率。轨道检测实验车如图1（a）所示，成像系统如图1（b）所示。
2 模糊匹配算法
匹配算法是将成像系统采集的钢轨图像运用图像处理技术，得到两幅图像中缺陷的位置误差和相似度，通过模糊控制算法，得到匹配结果。由于普通钢轨表面图像的无差别性，只能根据钢轨表面的缺陷识别图像的冗余。体现钢轨缺陷特异性的因素主要有两个：位置和形态。
因为采集过程中图像受光线、震动、噪音等影响，在不同采集情况下采集的缺陷经过图像处理后提取的位置信息不尽相同，因此，仅采用缺陷的位置信息难以判断两缺陷是否相同。缺陷的形态学信息也存在这种问题。故本文采用模糊匹配算法，计算缺陷位置误差及形态相似度并作为模糊匹配算法的两个输入，既可以充分利用缺陷的位置和形态这两个特异性特征，又能弥补单个特征单独使用准确性不足的问题。
匹配算法流程图如图2所示。
匹配算法包括以下步骤：1）钢轨表面区域提取；2）图像预处理、二值化及形态学操作；3）缺陷形态信息和位置信息获取；4）位置误差和相似度计算；5）位置与相似度模糊匹配。
匹配算法步骤中钢轨效果图如图3所示。图中（a）为成像系统采集到的钢轨图像，图像大小为1024×1024；（b）为采用竖直投影法提取到的钢轨表面区域图像；（c）为图像预处理后的钢轨表面区域图像；（d）为二值化后钢轨表面区域图像；（e）为形态学操作后的钢轨表面区域图像。
2.1 钢轨表面区域提取
成像系统采集到的图像如图3（a）所示，钢轨表面区域只占据图像中央一部分，钢轨两侧有很多石子、道钉等干扰物体，这些物体的存在不利于后续处理。因此为了降低后续处理的难度，需要提取钢轨表面区域如图3（b）所示。通过观察，钢轨表面区域与两侧区域的灰度值有明显的差别，因此本文提出了竖直投影法（Vertical Projection，VP）提取钢轨表面区域，主要步骤如下：
1）逐列累加图像f（x，y）中各像素的灰度值，并计算均值，得到图像的各列灰度均值数组Avg（i），Avg（i）如图4所示。
2）统计全部图像的灰度均值Avg_mean。
3）Avg（i）数组二值化，将Avg（i）数组依次与灰度均值Avg_mean比较，大于Avg_mean设为1，小于Avg_mean设为0，得到数组Avg_Val（i）。
在Avg_Val（i）数组中找到第一个连续10个值都是1的点，该点便是钢轨表面图像开始的边缘点Begin_Point；在Avg_Val（i）数组Begin_Point之后找到第一个连续10个值都是0的点，该点便是钢轨表面图像结束的边缘点End_Point，截取钢轨图像Begin_Point列到End_Point列之间的图像即可得到钢轨表面区域图像f1（x，y）。得到的钢轨表面区域图像如图3（b）所示。
2.2 图像预处理、二值化及形态学操作
在钢轨图像的获取过程中，容易受到现场环境、相机质量等因素干扰而产生噪声，影响匹配结果，因此，对钢轨图像f1（x，y）进行3×1中值滤波。为了克服钢轨表面光线反射不均匀的缺点，采用局部零均值法图像增强，得到钢轨图像f2（x，y），如图3（c）所示。采用文献中提出的PEMCV法得到图像的最佳分割阈值T，对滤波及增强后的钢轨图像f2（x，y）进行二值化，得到二值图像f2（x，y），如图3（d）所示。
由于钢轨缺陷周围存在一些亮点噪声，影响位置信息的准确性，使用形态学操作可以去除这些噪声点，而操作过度会导致缺陷的某些结构信息被消除影响形态信息的准确性。经过实验验证，本文使用9×9的椭圆结构元素对二值图像。f3（x，y）进行形态学操作得到图像f4（x，y），如图3（e）所示。
2.3 缺陷形态信息和位置信息获取
由于图像的冗余，在系统中记录钢轨图像采集位置的里程信息将不再准确，但缺陷相对于钢轨两侧边缘的位置不会改变，不同缺陷的位置具有特异性。因此获取缺陷的外接矩形就能得到缺陷相对于钢轨两侧边缘的位置信息。
寻找二值图像f4（x，y）中缺陷的外接矩形，得到钢轨表面第m个缺陷的位置信息Pm（LX，RX，XW，YH），其中，LX为缺陷外接矩形的左侧行坐标，RX为缺陷外接矩形的右侧行坐标，XW为缺陷的宽度即缺陷所跨列数，YH为缺陷的高度即缺陷所跨行数。
通过感知哈希算法，可以得到缺陷的形态数组。感知哈希算法以其高效、快速的优点在图像识别中应用非常广泛。在图像采集过程中，当采集方向不同时，缺陷的图像会发生180°的翻转，因此计算形态数组时需要将缺陷图像翻转180°计算两次。
具体步骤如下：
1）截取缺陷外接矩形内的图像f5（x，y），并将图像归一化到8×8尺寸。
2）计算图像f5（x，y）的哈希值作为缺陷的形态数组Dm1，形态数组是一组64位0或1数组。
3）将图像f5（x，y）翻转180。得到图像f5（x，y）。
4）计算图像f5（x，y）的哈希值作为缺陷的形态数组Dm2。
在钢轨图像中，除缺陷外还有钢轨的缝隙，在缺陷的匹配中钢轨连接缝隙会对匹配结果产生影响，因此需要在匹配前将钢轨缝隙剔除。因为钢轨缝隙为横向细缝，而钢轨缺陷不存在横向擦伤，所以形态数组数值全为1的必是钢轨缝隙。得到缺陷形态数组后检查是否数值全为1，若存在数值全为1的数组，则剔除该缺陷。
2.4 位置误差和相似度计算
对比两个缺陷的位置信息可以得到这两个缺陷的位置误差。对于位置差别较大的缺陷，在求取位置误差之前通过计算缺陷的高度差和宽度差便可初步判断两缺陷是否为同一缺陷，对于高度差或宽度差较大的一组缺陷，匹配算法可以在此结束，以减少匹配步骤，提高效率。
取带有缺陷的两幅缺陷图像Def1和Def2，分别计算得到形态数组Dt1，Dt2，Do1，Do2，及位置信息R（LX，RX，XW，YH），P0（LX，RX，XW，YH）。通过位置信息的对比初步判断两个缺陷是否为同一缺陷；对有可能为同一缺陷的数据进行下一步计算，得到两个缺陷的位置误差和形态相似度。
若Ep>0.2，则Def1与Def2不是同一缺陷，否则计算Def1与Def2的形态相似度S。
3）计算Def1与Def2的形态相似度S。
步骤a：统计形态数组Dt1与Do1中不同位的个数n1。
步骤b：计算Def1与Def2的形态相似度S1，相似度计算公式如下所示：
步骤c：统计形态数组Dt1与Do2中不同位的个数n2，根据公式（4）计算Def1与Def2的形态相似度S2。
步骤d：取S1和S2的最大值为S，若S<0.8则说明Def1与Def2不可能为同一缺陷。
2.5 位置与相似度模糊匹配
模糊匹配算法的输入量为钢轨表面缺陷的位置误差Ep及相似度s，语言模糊子集为{大（L），中（M），小（P）}，位置误差的论域为[0，0.2]，相似度的论域为[0.8，1]。隶属度函数如公式（5）和（6）所示。模糊控制器的输出量为匹配结果，用U表示，模糊子集为{是（Y），否（N）}，由于本算法的匹配结果为是和否两个离散量，因此模糊输出变量不需要反模糊化，N表示实时获取缺陷与已存储缺陷不是同一缺陷，Y表示实时获取缺陷与已存储缺陷是同一缺陷。
模糊逻辑推理规则的结构为：If Sand Ep thenU。当缺陷的位置误差较大时，表明这组缺陷根据位置信息判断为同一缺陷的概率较小，因此只有当相似度也很大时，这组缺陷才可能是同一缺陷。当缺陷位置误差较小时，表明这组缺陷根据位置信息判断为同一缺陷的概率较大，因此只要相似度不是很小，这组缺陷就很有可能是同一缺陷。得到模糊规则如表1所示。
3 实验结果与分析
本文选取了40组带有疤痕缺陷的图像，其中，相同缺陷和不同缺陷的图像各占一半。实验数据如表2所示，表2中1～20组数据为相同缺陷的图像得到的数据，21～40组数据为不同缺陷的图像得到的数据。实验图像举例如图5所示。
由表2中实验数据可知：大部分相同缺陷的位置误差在0.05以下，相似度在0.95以上，如图5（a）所示。大部分不同缺陷的位置误差在0.2以上，相似度在0.8以下，如图5（b）所示。不同缺陷图像第39组位置误差较小，而且相似度较高导致匹配出现错误，这是因为感知哈希算法只保留了图像的低频信息，去除了高频的细节信息，当遇到形状结构相似的两个缺陷时，容易得到一个较高的相似度。
实验结果如表3所示。
实验表明：在实验的图像中，相同缺陷的图像全部被检出，而不同缺陷的图像有一组被检测，说明本文算法对于相同缺陷的冗余图像有很高的检出率，对不同缺陷的图像有一定的误检率。本文算法准确率为97.5%，能有效识别出钢轨图像中的冗余部分，而且误检率和漏检率较低，分别为5%和0%。
4 结论
模糊信息 篇4
随着信息化时代的到来，越来越多的企业准备实施企业资源计划(Enterprise Resources Planning, ERP)系统或类似的信息系统，以合理计划与配置所有资源，提高企业竞争力。据美国生产与库存控制学会(APICS)统计，企业成功应用ERP后库存下降30%～50%;延期交货减少80%;采购提前期缩短50%;生产能力提高10%～20%[1]。到2003年为止，我国已有千余家企业购买了MRPⅡ/ERP或类似的信息系统，但应用成功率只有10%～20%，局部应用成功率为30%～40%。信息系统供应商选择是企业信息系统建设项目至关重要的环节[2]。只有采用科学合理的决策方法，才能避免盲目选型，为项目成功打下良好的基础，所以对信息系统供应商选择方法的研究很有必要。
本文将三角模糊层次分析法和模糊评价方法结合，建立综合评价模型，并应用于企业信息系统供应商选型。本文提到的模糊层次分析法仅指三角模糊层次分析法。
2 模糊层次分析法和模糊评价法的在信息系统供应商评价中的适用性
2.1 常用的供应商评价方法
常用的供应商评价方法有线性规划法、决策树法、经济批量法、数据包络分析法等[3]，这些方法要么主观性太强，要么需要大量的先验数据，计算过程过于复杂。故本文使用一种新的综合评价方法。
信息系统供应商是一种特殊的供应商，他们不仅供应产品，而且侧重在供应前后的相关服务，还有企业自身和供应商等多方面内容，既有内外部因素，也有短期目标和长期规划，而且有些因素很难直接进行量化评价。对于信息系统的评价，出现了不少的方法，有的学者提出基于熵权的TOPSIS评价方法[4]，文献[5]利用了层次分析法(AHP)方法，还有学者结合AHP和DEA方法进行选型[6]，还有人利用模糊积分给出了评价框架来计算排名[7]。此外有学者结合了TOPSIS和ANP方法进行了评估[8]，但操作比较复杂，不易理解和处理。
2.2 本文提出的方法在信息系统供应商评价中的适用性
T.L.Saaty在20世纪70年代提出层次分析法(Analytic Hierarchy Process, AHP)[9]，AHP法由于理论简单，操作容易，且具有实用性，应用领域广泛，因此，Narasimhan认为[10]AHP法非常适用于解决供应商评价问题，可用于确定准则权重与供货商排序。它有以下优点： (1) 一般评估准则的系统方法使采购经理人员更易产生主观性; (2) 使按步循序的方法量化，使供货商评选问题简化; (3) 虽然主观性不能避免，但可通过评选来降低主观性; (4) 供货商准则权重与排序可由计算机运算得到。
AHP方法作为一种定性与定量结合的决策方法，得到了迅速的发展。由于客观事物的复杂性和人们对事物认识的模糊性，如何使AHP方法更客观、更确切地反映所研究的问题，一直是大家关注的课题。1983年荷兰学者Van Loargoven提出了用三角模糊数表示Fuzzy比较判断的方法[11]，并运用三角模糊数的运算和对数最小二乘法求得元素的排序。1994年我国的常大勇教授提出了利用模糊数比较大小的方法来进行排序[12]。模糊评价法是以模糊数学为基础，应用模糊合成的原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。
本文从实际应用出发，采用的模糊AHP方法保留了AHP方法的优点，对文献[12]提出的方法进行了一些补充，并结合文献[13]和模糊评价方法，运用到多层(两)层指标体系中，提出了一个多级综合模糊评价模型。先利用三角模糊AHP方法给出各级指标的权重，再利用模糊评价方法，通过相关专家对某个待评信息系统供应商各指标进行打分，得到一系列评价矩阵;最后用模糊评价法来处理评价矩阵，得到某个待评信息系统供应商的评价结果。
3 基于模糊层次分析和模糊评价的多级综合评价模型
3.1 模糊层次分析法
3.1.1 准则指标评价体系
由于供应商选择所涉及的因素很多，使得供应商评选成为一项多准则决策。Mohanty和Deshmukn[14]认为影响供货商评选决策的主要准则是价格、质量、交期与服务。具体到信息系统供应商选择的问题，信息系统的选择涉及多方面内容，既有内部、外部因素，也有短期目标和长期规划等众多指标因素的影响。本文据此进行了综合分析，并参考有关文献[2,5,7]，给出6个一级准则，每个一级准则还有3～4个二级准则，基本概括了各个方面的因素，最终建立了层次模型(见图1)ㄢ
3.1.2 三角模糊数概念、隶属度及其运算
定义1设M为三角模糊数，记为M=(l, m, u)，则M的隶属度函数um (x), R→[0, 1]可以表示为：
三角模糊数的运算有加法、乘法、倒数、数乘运算等，这里不多叙述，详见文献[12]。
定理1:M1=(l1, m1, u1), M2=(l2, m2, u2)为两个三角模糊数，则有M1≥M2的可能性程度定义为：
d为M1, M2交点横坐标。可以证明其等价于：
3.1.3 模糊判断矩阵建立
对于k-1层次的某一因素(准则)，与之相关的第k层全部个因素进行两两比较时采用三角模糊数定量表示，即模糊判断矩阵中的元素是，一个以mij作为中值的闭区间，而mij就是AHP方法中比较判断所采用的1～9中的整数[9]。模糊矩阵A仍为正负反矩阵，即。令mij-lij=uij-mij=δ, δ为常数, 则根据定理1不难证明, 当0<δ<1/2时, mij取相邻两级标度时, μ (d) =0, 没有完全反映人们认识上的模糊性;当δ>1时, 模糊度过大, 置信度下降;常大勇证明1/2<δ<1比较适宜[13]。
关于三角模糊数判断矩阵的一致性检查问题，目前在相关文献中无行之有效的方法，本文采用一种近似方法[15]加以判定。
3.1.4 计算模糊综合程度值和指标权重值
为第t个专家给出的模糊数, nk为第k层的因素个数。根据公式:
求得第k层次的综合三角模糊数，由此得到第k层全体因素对第k-1层次的所对应因素的综合判断矩阵。再根据公式(3)求出模糊综合度值：
再根据定理1计算：
然后计算指标Ci的权重：
可得各指标权重，之后再对以上的权重向量进行归一化即可，仍记为Wi (Ci)ㄢ
3.2 模糊层次分析法与模糊评价法结合
模糊评价方法，即：, W为各因素的权重，E为根据相应因素集和评语集由专家评价得到的评价矩阵。
由上节模糊层次分析法可得到各个指标的权重。建立评语集G(很满意，满意，一般，不满意)，可以运用Delphi法等调查统计方法，对各个(比如4个)方案的相应指标评价得评价矩阵，然后采用模糊评价方法：，相当于利用Ei对权重进行修正。再将各因素的隶属度组成的关系矩阵Bi组合，得B=(B1, B2, B3, B4, B5, B6) T。其中W (k) i上标表示层次码, 下标表示相对上一层次中的因素码。再参照前面由模糊AHP法确定的一级指标权向量并进行模糊合成, 即可得到该供应商的最后评价结果:
G是一个向量，其4个分量均在0～1间，分别表示(很满意，满意，一般，不满意)的程度。最后可以利用最大隶属度原则来判断选择供应商。
4 信息系统供应商评价方法实例计算
4.1 实例简介
国内某中型企业要购买和实施信息系统，有包括SAP、Oracle、用友、金蝶等4家国内外软件公司的信息系统供应商可供选择，企业聘请了有关专家、咨询顾问，加上企业自身技术骨干组成了信息系统选型小组，负责选型工作，分为3组，给待选4个供应商打分。
4.2 指标体系
由以上3.1.2的分析，可得指标评价体系(见图1)ㄢ
4.3 计算指标权重
以功能满足程度指标为例，其4个二级指标的三角模糊判断矩阵见表1ㄢ
利用(2)式求出模糊综合度矩阵(见表2)ㄢ
利用MATLAB编程求解，易得：CR=CI/RI=0.051 9<0.1，通过一致性检验。
再用(3)、(4)、(5)式计算各指标权重。归一化得到4个评价指标相对功能满足程度的权重：W=(0.534 3 0.280 90.163 0 0.021 8)即W1 (2)。同理不难得出：W2 (2), W3 (2), W4 (2), W5 (2), W6，其中，Wi (k)上标表示层次码，下标表示上一层中的因素码。
4.4 模糊合成矩阵
由10个专家给待选4个供应商打分，评判对6个一级指标的各个因素的满意程度，得到由各二级指标隶属度组成的模糊评价矩阵：
已经计算出第i个指标的权重。然后利用Bi=W2 (2)塥Ei, i=1，…，6，可得Bi，令：B=(B1, B2, B3, B4, B5, B6) T，将各因素隶属度组成的关系矩阵E1～E6与利用模糊AHP求得的权向量W2 (2)分别按照上述合成方法进行模糊合成，即可得评价结果：
以上结果表明，该待选信息系统供应商对于本企业而言，评价很满意的占48.27%，评价满意的占23.98%，评价一般的占20.91%，评价不满意的占6.86%，根据最大隶属度原理可得结论：该待选信息系统供应商最后评定等级为“很满意”。同理可依次对其他待选供应商进行评判，确定它们对评语集G的隶属度，最后根据最大隶属度原理比较确定最终方案。
5 总结
模糊信息 篇5
针对现行模糊性度量结构特征不明确以及系统性差等方面的不足,通过模糊特征函数与模糊性综合算子建立了一类融含现有度量方法的`具有广泛可操作性的F+S模糊性度量模型;给出了基于拟线性函数的模糊特征函数的数量化构造模型和基于测度理论的综合算子构造模型,进而结合综合评判问题给出了F+S模糊性度量的一种应用.结果表明F+S模糊性度量系统具有良好的可操作性,可以有效地将决策意识融入信息处理过程中,在复杂系统优化、人工智能等众多领域具有广泛的应用前景.
作 者：程晋芳 张淑媛 刘立民 李法朝 刘阳 CHENG Jin-fang ZHANG Shu-yuan LIU Li-min LI Fa-chao LIU Yang 作者单位：程晋芳,刘立民,李法朝,刘阳,CHENG Jin-fang,LIU Li-min,LI Fa-chao,LIU Yang(河北科技大学经济管理学院,河北石家庄,050018)
张淑媛,ZHANG Shu-yuan(内蒙古电子信息职业技术学院计算机科学系,内蒙古呼和浩特,010010)
模糊信息 篇6
【摘要】利用模糊德尔菲层次分析法，以德尔菲调查为基础，将专家对指标权重的两两评价结果进行模糊处理，根据实际需要调整模型的专家乐观系数和评价环境参数从而最终确定指标的综合权重。在该综合权重矩阵的基础上，根据地方政府绩效评价指标体系的特点，建立了政府绩效评估的多层次模糊综合评价模型。
【关键词】绩效评估；绩效管理；模糊德尔菲层次分析法；模糊综合评价
0.引言
20世纪70年代以来，以“新公共管理”运动为标志，西方各国开始进行政府管理改革，逐渐形成了政府绩效评估、绩效管理等理论，并应用于实践。这一理论打破了将效率和经济作为公共部门评价标准的原则，它借鉴企业管理技术和激励手段，强调管理过程中民众的导向作用，以期使政府变为一个负担广泛社会责任的、低成本高满意度的服务机构。绩效评估是指考评主体对照工作目标或绩效标准，采用科学的考评方法，评定客体的工作任务完成情况职责履行情况，并将评定结果反馈给客体。在政府绩效评估中，其反馈结果将指导政府的工作，因此，客观公正的绩效评估对提升政府管理水平有着十分重要的意义，而建立一套对政府绩效进行科学监测、检验和评价系统是对政府进行有效管理和制约的关键。
近年来，随着我国各地方政府逐渐实行政府绩效管理，学术界对绩效评估模型的应用已经有了深入的研究，其中常用的方法和技术主要有：演绎法、平衡记分卡法、模糊评价、主成分分析、层次分析法以及它们相互组合的方法。其中模糊评价基于这样的事实：许多事情的边界并不十分明显，评价时很难将其归于某个类别，通过先对被评价对象的单个因素进行评价，然后对所有因素进行综合模糊评价，防止遗漏任何统计信息和信息的中途损失，这有助于解决用“是”或“否”这样的确定性评价带来的对客观真实的偏离问题，能够满足组织行进绩效考核与评价[1]，所以，依据模糊理论建立相应的评价模型能够较好的解决政府绩效评估的问题。在模糊评价中各级指标的确立，有些学者提出用层次分析法（AHP）[2]，有些学者则引入了一致性检验来验证该权重设定的合理性[3][4]，还有些学者则通过熵技术对权重进行修正[5]，这些都通过人为的修正来规范权重，这将对评价者初始的评估结果造成一定的负面影响。因而，本文借鉴文献[6]中提出的模糊德尔菲层次分析法（FDAHP）来确定权重，将其与模糊评价理论相结合，建立基于德尔菲层次分析法的模糊评价模型并应用于政府绩效评估之中。
1.地方政府绩效评价指标体系
表1地方政府绩效评价指标体系
2.基于德尔菲层次分析法的模糊评价模型的构建
2.1确定评价集和模糊评价矩阵
评价集就是对评价对象优劣程度的定性描述，它由各种评价等级构成，本文按照优秀、良好、一般、较差、最差5个级别评判，即评价集V={v1，v2，···，vm}有5个元素。模糊评价矩阵R可依据第2章中的指标体系通过专家问卷调查的方法，对各项指标进行量化评分，根据统计结果确定各指标属于某个级别的隶属度，从而确定模糊评价矩阵R。
2.2模糊德尔菲层次分析法确定综合权重矩阵
2.3多层次模糊综合评价
3.结束语
本文结合模糊德尔菲层次分析法和模糊综合评价原理，根据地方政府绩效评估指标体系，建立了综合模糊评价模型。由于模糊综合评价本身是一种比较科学合理的评价方法，本文还通过模糊数学的方法对群体调查结果进行了处理和分析，所以利用论文所介绍的评价模型可以很容易对政府绩效进行比较客观的评估。由于本文选用了模糊德尔菲层次分析法计算权重，形成了一个权重分析的交互过程，使得权重的设置更为合理，因此评价结果相比传统的基于AHP的模糊评价模型更为客观公平。虽然本文的模型计算过程较为复杂，但我们可以利用计算机编程实现智能化处理，用程序来进行绩效评估，提高工作效率，因此，该模型具有更为广阔的应用前景。[科]
【参考文献】
［１］齐二石，刘传铭，王玲．公共组织绩效管理综合评测模型及其应用[J]．天津大学学报：社会科学版，2004，6（2）：150-153．
［２］张霞．基于模糊理论的公共组织绩效管理[J]．武汉理工大学学报：信息与管理工程版，2007，29（10）：164-166．
［３］聂规划，刘勇军．企业信息化建设模式分析及模糊评价[J]．武汉理工大学学报：信息与管理工程版，2004，26（2）：89-92．
模糊信息评测的数据挖掘研究 篇7
通常对一个问题经常会做出这样的评价优、良、差,或者将某一事物的等级被评为A、B、C,诸如这样不精确的、模糊评价,在工作中及生活中已经是司空见惯了,然而在教育、教学测量与评价则是用来测量教师的教和学生的学,也就是对教师完成教学任务和实现教学目标的程度,给予科学定量的或程度上的评测及判断。它是直接检验、衡量教学质量,评测教学优劣的一种有效手段,为今后的教学改革提供了科学的依据。然而教学过程的测量又是非常困难和复杂的,涉及到目标定量或定性的判断和评测,如若目标清晰,能够定量分析,可以根据问题所满足的规律及公式或者是通过统计规律来分析和计算。但许多问题又总是模糊的,无清晰的分界线,比如说在评定一节物理课的教学质量时候,有的评委说这节课好的很,无论是师生的互动还是讲练的时间的安排,都是无可挑剔的,给95分。另外几个评委也都给了91、93、90等。然而,好到什么程度?给一个A吧,较好做到,因为较为集中,也较为清晰,可有的评委则说尚可,给一个B+或还是给一个A-?还有些目标没有能完成,只能的“B”等等,最后可能是加上一个去掉一个最高分和去掉一个最低分,然后再去求剩下数据的算术平均值的方法。这些还都是较为模糊的评价标准及方法,如何准确地对教学测量进行科学的评价,有必要借助于模糊数学,使其得到一个较令人满意、较为标准的、较为公正的数据采集及计算方法。美国系统科学家L.A.Zadeh在1965年首先提出了模糊集的概念,为模糊数学奠定了基础。近年来模糊数学得到了极为迅速的发展,它渗透到各个领域,在理论上、实践上取得了令人瞩目的进展。模糊数学思想应用于教学评测或一些数据采集评测上并且用计算机加以处理还是一种比较信服的应用,对于教学评测上的模糊(Fuzzy)集的建立,也就是说隶属函数的建立又如何呢?
2 模糊数据挖掘的方法确定
常用的隶属函数确定方法有模糊统计法、二元对比排序法和待定系数法3种[2]。在模糊可信性分析领域中,这3种方法侧重于不同的实际背景。首先,由于模糊应用主要集中在定性信息的定量化和小样本情况下合理表达统计结果两个要点上,而大多数情况下这两个要点所涉及的实际背景又不可能提供充足的主观信息,因此模糊统计法的应用范围十分有限。相比之下,二元对比排序法的应用场合相对多一些,特别是在可靠性分配、可靠性预计等需要进行单元、系统之间相对权衡的场合下能够较好地发挥其作用。但是,该方法本身的局限性又限制了它在其他场合的应用。三者之中,应该说待定系数法在模糊分析中可以使用的场合最多。这是因为,在可以使用模糊方法的测控领域中,所涉及的大部分模糊集合的隶属函数确定都通过待定系数法合理地解决。因此,讨论就以待定系数法为基础,进一步分析其在数据挖掘领域的应用。
2.1 论域的确定和边界的划分
分析隶属函数时,首先需确定模糊集合的论域。选择适当的论域,将降低后续工作的复杂程度和算法工作量。确定论域时,一方面,要求所确定的论域要紧密结合可靠性问题的实际背景并要完全映射所研究的变量范围;另一方面,又要求在有限论域内利用尽可能少的论域元素来表征客体的模糊特性,以降低算法的复杂程度。论域确定后,必须重视隶属度为1的论域元素集合、隶属度为0的论域元素集合以及隶属度为0.5的论域元素的确定。
(1)隶属度为1的论域元素:在模糊数学中,对于正规模糊集,隶属度为1的论域元素集合被称为“主值区间”[3],或称为模糊集的“核”[4]。通过分析论证,如果可知论域中某部分元素将肯定属于所讨论的模糊集合,也即这部分元素是对应模糊概念的确定内涵,那么这部分元素的隶属度即可被赋予1,所有这样的点的集合即构成主值区间。在函数形式上,主值区间的大小将直接影响隶属函数曲线的顶部形状。
(2)隶属度为0的论域元素:通过分析论证,如果论域中某部分元素肯定不属于所讨论的模糊集合,那么这部分元素的隶属度即可被赋予0。在函数形式上,临界的隶属度为0的论域元素和隶属度为1的元素一起决定了过渡带的范围。
(3)隶属度为0.5的点:在模糊数学中,由于隶属度为0.5的论域元素的归属最难确定,因此被称为“最模糊点”[4],有时也称之为“跨越点”[5]。通过分析论证,如果论域中某部分元素最无法肯定是否属于模糊集合,即它们的不确定性最大,那么这部分元素的隶属度即可被赋予0.5,这些论域元素就是模糊集合中的最模糊点。与此相反,上面所述的隶属度为0和1的元素是论域中的“最清晰点”,或习惯称之为“显著状态”,“确定态”。实际应用中,最模糊点可以通过两种方式确定:一种是分析应用背景,确定一个最大的不确定性点作为最模糊点;另一种方法是在存在多相模糊集时使用,即如果有相邻的两相,则以这两相的中间值来作为最模糊点[1]。其物理意义是:对两个相接近的模糊概念进行区分时,如果两方的不确定性相当,那么两个概念外延的中间部分应该是最难确定归属的,所以说中间部分的隶属程度最模糊。在过渡带中,起点和终点是论域上隶属度为0(或1)的元素和隶属度为1(或0)的元素,隶属度为0.5的元素正位于其中。所以,有了隶属度为0和1的元素对应的两点,就可以试探地确定过渡带。如果想进一步更确切地确定过渡带形式,就要使用隶属度为0.5的最模糊点了。例如,如果这3点大致呈线性关系,则隶属函数形式就可选择三角型或梯型分布等具有线性过渡带的隶属函数分布;如果这3点呈非线性关系,则隶属函数形式可选择正态型、岭型、Γ型及柯西型分布等具有非线性过渡带的隶属函数。
2.2 分布的确定
(1)分布形式与实际背景的关系
常见的隶属函数,在形状、主值区间、对称性等方面存在差异。这些差异就是分布的基本特性。在遇到实际问题时,必须把确定隶属函数所涉及的实际背景与这些分布特性联系起来考虑。下面将分布特性与实际背景的关系总结如下,它同时也就是隶属函数确定的一般原则。
(2)分布的确定
1)如果实际背景满足使用模糊统计法的前提条件,则可以先对模糊集的相关数据进行模糊统计,然后根据统计直方图确定分布形式,最后调整分布参数使拟合达到最好。
2)一般情况下,多数可靠性测量的实际情况无法满足模糊统计的前提条件,因此虽然上述方法的准确性较高,但是在实际问题中却很少使用。在实际中,一般结合隶属度分布与实际物理意义的关系,利用待定系数法来选取分布。
3 关键思想
模糊集是个体模糊概念外延的集合,如高(低)或好(差),或老(少)或大约或非常等等,这些概念的外延和内涵都是模糊的,这些概念外延的模糊集与其非概念的模糊集是不能用画圈简单的方法截然分开的,是与非概念存在一个弹性的模糊的边界。
对于F集的建立由定义可知:
设在论域U上给定了一个映射
则称A为U上的一个模糊(Fuzzy)子集,A(u)称为A的隶属函数(或称为u为A的隶属度)。
一般地,可表示为:
此处的U是有限集或可数集,则A可表示为:
对于F集来说,最关键的就是隶属函数的确定,怎样确定隶属函数,可由下面来确定建立模糊性的试验模型,比如,就教学效果评价来说,教学效果这一量是一模糊的量,对这一量的量化处理,则需要建立一定的数学模型。设U是“教学效果”因素的集合,即
(1)U={激发动机效果,丰富知识效果,发展能力与技能效果,思想教育效果}设A为评价集合,即A={好,一般,较差}
各级所对应的数学论域(以百分制为准)为:好---(90—100);一般--(60—89);较差--(59以下)。建立教学效果等级“好”为A1,等级“一般”为A2,等级“较差”为A3。
(2)单因素评测,是从U到A的一个模糊关系:
它被称为评测矩阵,其元素rij
出自于因素集U,应满足或获得评语A j的程度rij∈[0,1]。
4 研究结果对教学的影响调查
4.1 统计研究的方法
譬如:参评小组得出以下的评价表。
由表1得出“教学效果”多因素评价矩阵考虑到主要侧重于知识与能力,所以
模糊权重a=(a1,a2,….an),它是对于各因素考虑的着眼点,ai∈[0,1]。
若取
4.2 综合评价
由模糊运算可得“教学效果”的评价结果,其中*是评判所取得算子考虑到主要侧重于知识与能力,所以
这样一来,就得出课堂教学在“教学效果”质量评定的各方面的隶属度,即结果。隶属于“好”、“一般”、“较差”的程度分别为0.318,0.448,0.139。如若要得出最后的综合评价结果可以利用各等级的中值作用于模糊集b的评价结果,即
最后的结果为67.98分。
根据实际情况,确定待定系数法作为在实际评测中确定隶属函数的主要方法,其具体思路为:根据实际背景所蕴涵的知识,从一系列隶属函数分布中选择一种最能表现模糊集特性的隶属函数作为最终分布,并根据背景知识确定分布参数以待定系数,对各子域处理进行挖掘数据信息,对所有常用隶属函数进行了总结和分析,并对比其差异,将该差异与实际物理意义相联系,形成确定隶属函数的具体规范,明确了隶属函数确定时的方法和步骤。确定适宜算法进行程序设计。
评测系统实现框图及各子评测系统之间的通信框图,如图1所示,整个系统是以B to B的形式完成的
客户端评测子系统中的每个测试域都充分地使用待定系数法,当然各个使用领域可以自己待定自己的边界条件,如图2所示。
5 结语
主要是说明隶属函数的确定方法,然而经研究和一般的使用还是待定系数法较实用。隶属函数的确定是比较不容易的,也做过用待定系数法完全可以通过逆向推导后,可以得出较满意的隶属函数,当然这是在完全对待定系数法以充分相信的基础上完成的。
参考文献
[1]郭桂蓉.模糊模式识别[M].长沙:国防科大出版社,1993:76-82.
[2]汪培庄,李洪兴.模糊系统理论与模糊计算机[M].北京:科学出版社,1996:103-105.
[3]汪培庄.应用模糊数学[M.]北京:北师大出版社,1991:43-55.
[4]吴望名.模糊数学导论[M.]西安:陕西师范大学出版社,1995:87-90.
[5]郭桂蓉,庄钊文.信息处理中的模糊技术[M].长沙:国防科大出版社,1997.
[6]GJB 572-1992,可靠性(I)[S].
[7]Chai Kaiyuan.Introduction To Fuzzy Reliability[M].London:World Scientific Press,1994.
[8]杜长进,等.物理教育通论.北京师范大学出版社.
[9]刘有才,等.模糊专家系统原理与设计.北京航空航天大学出版社.
模糊信息 篇8
近年来随着Internet的飞速发展, 计算机网络的资源共享进一步加强, 然而资源共享与信息安全历来都是一对矛盾, 网络的安全正面临着越来越严重的挑战。入侵检测技术的出现可以使网络管理员可以获知攻击的发生, 但传统入侵检测技术只能在一定的程度上得知攻击的发生信息, 网络管理员不能获知网络攻击的威胁程度, 不能获知相关的网络安全态势信息, 从而使网络管理员对现实的网络情况做出相应的决策具有很大的难度。
未来的网络应用需要更高的安全性, 这就要求网络管理员要及时地掌握网络安全态势信息, 并及时地做出相应的操作来消除攻击的威胁。网络安全态势评估技术就是解决上述问题的一种新型网络安全技术。
1 网络安全态势评估模型及基于模糊信息融合技术的攻击要素关联
根据waltz的网络安全态势评估总体框架, 文献[1]设计了网络化系统安全态势评估模型。系统分为两个子系统:攻击检测系统和安全态势量化评估系统 (见图1) 。
在对攻击进行评估时, 需要考虑攻击本身的强度和攻击获得成功的难易程度。单纯的入侵检测系统不能给网络管理员提供具体的态势信息, 而只是产生大量的系统信息和底层数据。系统必须将攻击数据提炼成为攻击信息, 进而提炼成为攻击知识后才能为网络管理员所理解、运用。但是由于上述三个攻击要素具有不确定性、非完整性、模糊性和多变性的特点, 因此很难对其进行界定和关联。本文主要探讨第一个子系统, 即基于模糊信息融合技术的攻击要素关联。
2 攻击要素的定义
2.1 攻击危害度C1
结合文献[2]中的不足, 本文对攻击危害度C1的定义:
网络攻击的危害度是指网络攻击对整个应用系统造成危害的程度。对于第k类网络, 第t类攻击的危害度Hkt可由公式 (1) 计算得出。
本文中假设当前有3种网络类型, 其网络类型影响因子Nk赋值如表1。
攻击类型的划分采用了以攻击侵入层次为依据的分类法, 该方法主要来自于普渡大学的Kumer S的博士论文[3]中的分类法, 将网络攻击分为如表2所示的7类, 以攻击侵入层次递增的顺序排序。At表示第t种攻击类型的影响因子, 见表2。
2.1.1 攻击源影响因子Ct1
攻击的来源。取值为“内部”和“外部”两种。来自内部的攻击一般比来自外部的攻击危害度大, 见表3。
2.1.2 攻击目标影响因子Ct2
攻击针对的目标。根据重要性分为“重要主机”和“一般主机”, 其中重要主机可以根据需要细分为各种服务器, 见表4。
2.1.3 受影响范围影响因子Ct3
表示攻击成功后目标系统受影响的范围。分为“单机单用户”、“单机所有用户”和“网段”3类。
2.1.4 可恢复程度影响因子Ct4
表示攻击成功后目标系统恢复的能力。分为“现场可恢复”、“离线可恢复”和“不可恢复”3类, 见表6。
2.2 攻击难易性
攻击难易性是指该实施某类攻击获得成功的难易程度, 也可以看成是某类攻击发动成功的概率。攻击难易性的计算是通过对被攻击系统是未免疫系统的可能性的计算来完成的。
结合文献[3]并针对其不足, 本文对攻击难易性进行了如下改进。定义如下变量:
HT—目标系统是未免疫系统的类型;
HVT—目标系统是未免疫系统类型的未免疫版本;
ST—目标系统上的服务是未免疫服务类型;
SVT—目标系统上的服务是未免疫服务类型的未免疫版本。
根据系统类型和服务类型的情况, 本文相应地给定一个0—10 之间的值 (如表7) 。将两个值相乘得到攻击难易性值。
2.3 攻击频率
攻击频率是指单位时间内, 网络化系统内某类型网络攻击A被检测出所发生的次数。
3 基于Mamdani模糊推理的攻击要素关联算法。
3.1 输入变量模糊化
本文中输入变量攻击危害度C1、攻击难易度C2、攻击频率C3模糊化均采用三角形隶属度函数[5]。
f (x;
3.2 应用模糊算子
由于攻击要素包含三个部分, 所以我们给定的规则前有三个命题。这三个命题存在“与”的关系, 本文使用的模糊算子取与算子min (模糊交) 。
3.3 模糊蕴含
在Mamdani算法中模糊蕴涵选取的是最小运算 (Mamdani) :
A→B=min (μA (x) , μB (y) ) 。
3.4 模糊合成
在Mamdani算法中模糊合成选取的是max (模糊并) 。
3.5 反模糊化
反模糊化把输出的模糊集化为确定数值的输出, 在Mamdani算法中反模糊化使用的是中心法 (Centroid) 。
4 仿真实验验证
仿真实验过程分为攻击要素关联和层次态势融合两部分, 其中攻击要素关联实验采用MATLAB 7.0模糊工具箱 (Fuzzy ToolBox) [6], 层次态势融合 (在本文中不做描述) [1]则使用MATLAB 7.0中数值计算功能和统计计算功能, 最终结果通过MATLAB 7.0中图形处理功能展现出来。在本文中采用了2000年11月的HoneyNet数据集[7], 所选用的实验环境变量如下:
4.1 攻击危害度指数C1
根据公式 (1) , 得出
C1=0.5×At×100× (0.7+1+0.7+0.5) /4=35At。
4.2 攻击难易性指数C2
在分析报警数据后, 没有发现一些不相关的无效攻击。本文得出难易性指数C2=系统类型值H×服务类型值V=10×10=100。
4.3 攻击频率指数C3
在本仿真实验中规定攻击频率指数C3=100×攻击次数/MAX。这样就可以解决在模糊推理过程中反复调整输入数据隶属度函数参数的问题。
4.4实验结果与分析
HoneyNet 系统服务级安全威胁态势 (以107主机为例) 直观地给出三个服务的安全态势, 见图2。给管理员提供以下直观信息:相对于其他两个服务, 系统中开通的rpc服务受到频繁攻击。这说明rpc服务可能存在较多或较容易攻破的漏洞, 值得管理员对这个服务的设置情况进行检查。另一方面, 这也可能说明针对rpc服务的攻击是当时网络攻击的主要目标。
5 结论
本文首先提出了网络化系统安全态势评估模型, 进而详细定义了三个攻击要素:攻击频率、攻击难易性和攻击危害度, 使之可以更加精确的表示攻击次数、攻击成功概率和攻击造成的严重后果。然后结合模糊信息融合技术, 针对攻击信息的不确定性、不完整性、模糊性和多变性的特点, 提出了使用Mamdani模糊推理算法来实现攻击要素的关联。通过仿真实验证明该算法可以有效地将IDS产生的海量数据融合为可供网络管理员方便使用的安全态势值。
摘要：主要针对当前网络安全态势知识不易获得的问题, 提出了自己的网络化系统安全态势评估模型并定义了攻击要素。继而使用动态的方法量化了攻击频率、攻击难易性和攻击危害度, 使之可以更加精确地表示攻击次数、攻击成功的概率和攻击造成的严重后果。同时针对攻击信息的不确定性、不完整性、模糊性和多变性的特点, 提出将一种模糊信息融合方法——基于Mamdani模糊推理的算法来实现攻击要素的关联。最后, 应用Matlab7.0仿真实验工具进行了仿真, 实验结果证明, 本文提出的算法可以真实地反映安全态势情况。
关键词：网络安全态势评估,模糊信息融合,攻击要素,关联
参考文献
[1]孙宁.网络化系统安全态势评估设计及态势融合模型研究.硕士学位论文, 兰州:兰州理工大学, 2007
[2]张怡, 张拥军, 陈海涛, 等.一种新的网络攻击危害度定义方法.计算机工程, 2002;28 (8) :33—34
[3]Kumer S.Classification and detection of computer intrusions.Ph.D.Thesis, Purdue University, WestLafayette, Indiana, 1995:08
[4]王磊, 于洪奎, 谢慧, 等.针对具体主机的网络攻击危害度评估模型.计算机工程与设计, 2005;26 (6) :1519—1521
[5]郑亚林, 黄德隆, 郭健, 等.Fuzzy推理的Mamdani算法.宝鸡文理学院学报 (自然科学版) , 2001;21 (3) :168—173
[6]楼顺天, 胡昌化, 张伟.基于MATLAB的系统分析与设计——模糊系统.西安:西安电子科技大学出版社, 2001
模糊信息 篇9
可变信息板(Variable Message Signs,VMS)是交通诱导系统的重要组成部分,它既是一种交通信息发布手段,又是一种大范围交通控制手段。VMS可以向驾驶员提供道路交通状况信息(比如拥挤程度、排队长度、交通事故等信息),帮助驾驶员采取合适的车速、选择合理的替换路径,以避开交通堵塞和缓解驾驶员的焦虑。同时,VMS适合于交通控制分流、不利行驶条件警告、大桥、隧道等重要节点的控制、施工养护期间管制以及车道控制等,将路网中因异常事件而产生的不利影响降低。
VMS一般通过氖灯、灯泡矩阵、光纤固定格栅或光闸矩阵、LED固定格栅或矩阵等显示信息,造价较高。室外通过LED显示信息的VMS造价通常在2～6.5万元/平方米。北京市VMS目前所采用的LED价格, 一般在3～4万元/平方米。此外全LED屏对承载要求也较高,一套VMS所需设备至少15万元。因此,在VMS点位布设优化研究中,有必要考虑到资金的问题。
2 研究现状
可变信息板在交通指挥、对车辆进行多方位实时诱导,以及缓解道路的拥挤程度等方面发挥着重要作用。目前,国内外关于VMS的研究主要集中于VMS布设模型的建立[1,2,3,4,5,6,7,8]、关于VMS的特性分析、VMS的版面设计以及发布内容的研究等[2,9,10,11]。关于VMS的规划布设模型主要有以下几种:成本最小化模型[1]、VMS信息效益最大化模型[2,3,4,5]、完全边际模型[6]、灰色决策和模糊决策模型[7]、元胞传输模型[8]等。
文献[1]在假设路段事件随机发生及有无ATIS的情况下,作者以VMS设置成本及因事故发生而额外增加的用户出行成本最小化为目标函数,将预算成本等作为约束条件,建立了最优化模型。
文献[2]建立了信息效益模型,目标是使信息利用率最大化,在文中作者提出了衰减因子并用ekdij来度量,模型如下(本文记作模型1):
其中,F表示总效益,Vij表示第i路段显示第j路段信息的效益且Vij=ekdij·vi·fj,这里vi表示第i路段的交通量,fj=lj·vj·αj·βj表示第j路段的信息量,αj 表示危险性系数,βj表示灾害性天气的概率系数,Q表示显示的总路段数。
在模型1的基础上,文献[3]、[4]、[5]对衰减因子的表达形式作了研究。文献[3]提出衰减因子可以定义为e-α或bn(0<b<1),n为VMS距离信息发生路段的路段数。文献[4]中,衰减因子采用信息产生路段到可变信息板之间所经过的交叉口的个数的倒数形式。文献[5]将衰减因子改进为e-αt, t为一般状态下车流从VMS地点到信息发生路段的平均时间。
上述文献存在如下问题:首先,在实际情况中,可用资金是有限的,因此使得布设VMS板的数量有限,因此单从信息效益最大化一方面考虑是不全面的,得出的结果也不能满足用户需求。其次,对于高速公路来说,在距离信息发生源近的地方信息衰减速度相对较慢,文献中采用的衰减因子在距离信息发生源近的地方信息衰减速度过快,不太符合现实情况。最后,文献中采用的衰减因子只与距离或行程时间有关,但是,对于不同特征的事故,信息的衰减程度也是不同的。
基于上述问题本文提出了改进的衰减因子表达式,建立了基于资金约束条件的VMS布设模型。模型的约束条件里通过模糊算子限制VMS的数量,改进了前人提出的信息效益最大化模型。
3 数学模型的建立
3.1 衰减因子的改进
根据文献[2]可知,距离VMS越近路段的信息,信息的有效性越高,对其关注的驾驶员也就越多,越是远离VMS地方的信息,信息的有效性越低,对其关注的驾驶员也就越少。因此,研究者采用衰减因子表征这一现象。不同的衰减因子使得同一路段的信息量不同。根据高速公路的实际情况及调查问卷结果,我们引入如下形式的衰减因子表达式:
其中,sij表示第j路段信息在第i路段显示时的衰减因子,tij表示通常情况下第i路段到第j路段的平均行程时间或第i路段与第j路段之间的距离,αj为第j路段的事故特征参数,gj(·)表示第j路段的衰减系数,且gj(·)≥0。
注1:由于不同特征的事故信息衰减系数也不同,因此这里采用的是与事故特征相关的变衰减系数,这里对文献[2]中的衰减系数作了改进。另外,VMS距离信息发生地越近衰减速度越慢,因此,这里采用e-ax2的形式,更符合实际情况。
对于高速公路来说,由于事故特征参数需要对各路段分别进行安全评价得到,而且为了便于与文献[2]的衰减因子作对比,这里我们令所有路段的特征参数都相等且等于1。根据调查问卷结果,并结合以上分析,本文得到的衰减因子表达式为e-0.001x2,而文献[2]中,根据经验取值采用的衰减因子表达式为e-0.035x。本文衰减因子与文献[2]的衰减因子曲线对比图如图1。显然,本文采用的衰减因子更符合信息衰减趋势。
3.2 模型数学表达
根据VMS的作用可知,VMS的合理放置地点应使VMS显示尽可能多的有效信息,同时,又能让尽可能多的出行者看到,为此,我们建立信息效益最大化模型。如文献[2]所述,不同路段具有不同的特征,如,长度、路况、发生事故特征、交通量等,因此不同路段具有的信息量也是不同的。本文假设第j路段的长度为lj,交通量为vj,事件特征参数为αj,则第j路段的信息量fj为
其中,H表示一个关于l、v和α的函数。
当在路网中的第i路段显示第j路段的信息时,此时的效益Eij为
其中,sij为衰减因子,vi表示第i路段的交通量,fj表示第j路段的信息量,Eij表示在第i路段显示第j路段信息时的信息效益。
根据VMS的作用可知,在有限的资金情况下,合理布设VMS使之显示尽可能多的有效信息,产生更多的信息效益。因此本文建立如下的信息效益最大化模型,记作模型2,其数学表达形式为:
式中,F表示总的信息效益,Xij为0、1变量,路段i显示路段j的信息时为1,反之为0;N表示VMS板上显示的总的不同的路段个数,b为平均每个VMS设施的费用,C为可用资金数;符号∨表示“模糊或”。
相对于模型1,模型2有了很大改进,见如下注2。
注2:首先,模型2的第一个约束条件使得VMS显示的路段数量受到限制,这里N表示VMS板上显示的总的不同的路段个数,便于将用户要求转换为约束条件,而文献[2]中Q则表示VMS板上显示的总的路段个数,即累计显示的路段数;其次,模型2的第二个约束为经济约束条件,使得VMS布设资金不超过预算资金,这也是文献[2],即模型1中没有的。
令
即n等于
在显示路段个数和布设VMS版个数同时受限制时,采用模型3。
当不考虑经济因素时,本文的模型3简化为如下形式的模型4:
其中,模型3和模型4中字母、符号的意义与模型2中的相同。
4 实例验证
引用文献[2]中的实例对模型进行验证,图2是根据杭州到上海方向的路网抽象出的一张有向图,本路网共包含24个路段。
由于事故特征参数需要对各路段分别进行安全评价得到,而且为了便于与模型1的结果对比,这里令所有路段的特征参数都相等且等于1,衰减因子表达式为e-0.001x2。采用MATLAB语言编写动态规划求解VMS最优布设方案的程序。由式(2)计算得到各路段的信息量,如表1所示。
由表1可以得出,信息量较大的路段分别为路段23,22,12,2。
下面考虑图1所示的路网中VMS显示的路段数为1到5个,并且放置VMS板的个数为1到5个的情况。令M表示显示的路段数,根据以上数据通过MATLAB工具对模型3求解,得到如下结果,见表2。
与文献[2]不同,由于增加了经济条件约束,因此本文的模型可以求出任意VMS板个数限制时的最优解。例如,当显示路段个数为3,VMS布设数量小于等于2时,本文模型3得出的VMS最优布设路段为路段11和22,分别显示路段12、22和23的信息,而模型1得出的最优解在显示3个路段信息时需要布设3个VMS板,显然不符合条件约束。因此,模型3相对于文献[2]的模型1有了明显的改进,更符合实际需求。
当不考虑经济因素影响时,根据文献[2]的数据对模型4和模型1求解,两种模型的结果对比表如表3,这里由于篇幅原因只列出VMS显示路段数为1～4个的情况。表3中, M表示显示的路段数。
由表3可以看出,当显示路段数为1个和2个时,两个模型结果一样,但当显示路段数在3个及3个以上时,两个模型结果出现差异。
具体来说, 当显示4个路段信息时, 模型1的VMS布设位置分别为路段1,21,22,23, 模型4的VMS布设位置分别为路段1,11,21,22, 两种模型布设位置相同的路段为路段1和路段21。首先, 由图1, 相比模型1而言, 模型4的VMS布设位置或者位于路网的起点或者位于VMS布设位置的下游路径选择多一些的路段。其次, 对于两个模型相同的布设位置而言, 在路段21上, 模型1只显示路段22的信息, 但是模型4显示路段为12和22的信息, 产生的信息效益明显高于模型1。
综上所述,本文模型4的VMS布设位置接近有向路网的起点能为出行者提供更多路段信息,而且模型4的VMS布设结果产生的信息效益也高于模型1产生的信息效益。
5 总结
本文对高速公路路网中可变交通信息板分布地点的优化进行了研究,并建立了相应的数学模型。本文在前人研究的信息效益最大化模型的基础上做了改进。首先,我们选择了变衰减系数,改进了文献中衰减系数为常数的形式。其次,采用了形式为e-ax2的衰减因子,使之更符合信息的衰减趋势。再次,改变了模型的约束条件,引入了模糊算子,提出了模糊约束条件,增加了经济方面因素的约束条件。最后,将本文模型与文献[2]中的模型结果作了对比分析,与文献[2]中模型1相比,本文的模型得出的VMS布设结果能为出行者提供更多的出行信息。
摘要：对高速路网中可变信息板(VMS)布设地点优化算法进行了深入研究,在现有信息效益最大化模型基础上提出了基于模糊约束的VMS规划优化模型。该模型主要是对原有衰减因子作了改进,增加了效益-成本方面的约束条件,并在约束条件中引入了模糊算子。最后通过实例对模型的有效性进行了验证,研究结果表明,本文提出的模型更符合VMS实际布设需要,具有重要的实用价值。
关键词：可变信息板,衰减因子,整数规划,模糊约束,信息效益
参考文献
[1]Chiu Y C,Huynh N.Location configuration designfor Dynamic Message Signs under stochasticincident and ATIS scenario[J].TransportationResearch Part C,2007,15(1):33~50.
[2]杨永清.服务于安全营运管理的高速公路网信息系统[D].同济大学,2008.
[3]倪富建,刘志超.可变交通信息牌的最优分布模型[J].信息与控制,2003,32(5):395~398.
[4]孙凤霞.城市区域交通可变信息情报板布点方法研究[D].吉林大学,2008.
[5]李悦.城市交通诱导系统可变信息标志关键问题研究[D].北京交通大学,2006.
[6]Ozbay K,Bartin B.Estimation of economic impactof VMS route guidance using micro simulation[J].Research in Transportation Economics,2004,8:215~241.
[7]朱.城市交通情报板规划及布点研究[D].长安大学,2005.
[8]Shang H Y,Huang H J,Gao Z Y.Locating TheVariable message signs by cell transmission model[J].International Conference on TransportationEngineering,2007,1:1641~1646.
[9]Wardman M,et al.Driver response to variablemessage signs:a stated preference investigation[J].Transpn Research Part C,1997,5(6):389~405.
[10]Chatterjee K,et al.Driver response to variablemessage sign information in London[J].Transportation Research Part C,2002,10(2):149~169.
模糊信息 篇10
一、物流企业信息化绩效评价指标体系
评价指标体系是影响物流企业信息化绩效评价效果的关键因素, 为了能够全面、科学、合理地评价物流企业信息化绩效, 在建立物流企业信息化绩效评价指标体系时应遵循科学性、目的性、可操作性、可比性、客观性和定量与定性相结合等原则, 本文在平衡计分卡的基础上构建物流企业信息化绩效评价指标体系。
1. 财务指标体系。
该指标体系反映物流企业信息化建设为企业带来的直接利益。主要包括营业收入增长率、净资产收益率和信息化建设资金投入产出比三个指标。
2. 客户指标体系。
物流企业实施信息化建设, 可以帮助企业与客户建立良好的合作关系, 了解客户的喜好, 能对市场的变动迅速做出反应。主要包括客户满意度、客户增长率、客户投诉率、市场占有率四个指标。
3. 内部流程指标体系。
该指标体系反映了企业实施信息化后, 企业内部流程得到了优化和改进, 减少了业务处理时间, 提高了作业处理效率, 减少了误差, 提高了作业的安全性。主要包括货损货差率、订单处理准确率、准时交货率和货物在途跟踪信息反馈及时性四个指标。
4. 学习与成长指标体系。
该指标体系主要反映物流企业信息化建设为企业带来的远期效益情况, 可从企业和员工在信息化建设后的发展情况等方面来考察信息化建设带来的影响, 因为企业和员工只有不断地学习和发展, 才能为客户提供更优质的服务, 企业才能实现可持续发展。主要包括员工满意度、员工业务水平和企业业务创新三个指标。
二、物流企业信息化绩效的灰色模糊综合评价模型的建立
本文综合灰色理论与模糊理论, 将灰色模糊综合评价方法引入物流企业信息化绩效评价中, 建立物流企业信息化绩效的灰色模糊综合评价模型, 步骤如下:
1. 确定因素集和评语集。
设因素集U={u 1, ..., ui}, 子因素集U i={ui1, ui2, ..., uim}, 其中i=1, 2, 3, 4, ..., m表示第i个一级指标所属的m个二级指标个数。设评语集V={优, 良, 中, 差}。
2. 确定评价指标的权重集。
运用层次分析法确定评价指标, 并将这些指标按属性分类, 建立评价指标的递阶层次关系。权重集可视为评价对象与因素集之间的灰色模糊关系, 可以用同一层次中各因素关于上一层准则的权重及相应点灰度来表示, 则权重向量为:
其中a i为因素集U中各指标的权重, 且a i≥0, 且4∑i=1a i=1。若确知或确定规定各因素权重分配, 则
3. 建立评价矩阵。
评价矩阵可视为因素集与评语集之间的灰色模糊关系, 根据某一因素给出评价对象对评语集中各元素的隶属度, 并根据信息的充分程度给出相应的灰度, 构成评价矩阵～R
其中, μij (i=1, 2, ..., m;j=1, 2, 3, 4) 为评判者根据对物流企业信息化绩效评价指标的得分做出的模糊评价;vij为评判者依据信息完全性给出的点灰度。
由于信息量很难用数值来衡量, 所以只能用一些描述性语言来对应一定的灰度范围。按信息的充分程度可分成以下几类:{很充分, 比较充分, 一般, 比较贫乏, 很贫乏}, 分别对应灰度值{0～0.2, 0.2～0.4, 0.4～0.6, 0.6～0.8, 0.8～1.0}, 信息量非常充分可取灰度值为0, 信息量一般可取灰度值为0.5, 信息化非常贫乏可取灰度值为1, 具体视评价者的实际情况给定。
4. 一级综合评价。
为保留尽可能多的评价信息, 在模部运用广义“与”运算, 而灰部运算运用广义“或”运算, 因此, 灰色模糊综合评价的结果为:
其中, 为第i个指标所属的二级指标权重向量, 为第i个指标所属的二级指标与评价对象之间的灰色模糊关系。
5. 二级综合评价。
因为子因素U i是其上一级因素集U的元素, 则因素集U与评价集V的灰色模糊关系为:
若表示因素集U的权重, 则最终评价对象U的综合评价向量:=[ (b 1, v 1) , (b 2, v 2) , (b 3, v 3) , (b 4, v 4) ] (5)
6. 评价结果处理。
在灰色模糊综合评价中, 灰度是对信息不充分程度的描述, 也可理解为对信息的不可信程度, 相应的白度即为信息的可信度, 因此, 可对上述评价结果作如下处理:
若b i≥b j, 则b i≥bj的可信度为:
反之, b i≤bj的可信度为
上述评价结果中, 隶属度为最大的可信度:
按照最大隶属度原则, 选取可信度最大的P i对应的决断为最终评价结果。
三、实例应用
本文以一家上市物流公司为分析对象, 从该公司中邀请10名相关工作人员, 其中包括2名对信息化相关项目拥有决策权的高层管理人员、5名负责执行信息化建设的中层管理人员和3名拥有多年相关工作经验的基层工作人员, 运用上述评价指标体系和评价模型对其信息化绩效进行评价。评语集为V={优, 良, 中, 差}, 采用层次分析法确定一级指标和二级指标的权重, 因而假设权重的灰度为零, 指标的得分通过专家打分求平均值的方法获得, 评分灰度则由评定者根据实际情况而定, 相关信息见表1。
1. 一级评价。由式 (3) 可得:
同理可得, 客户指标:
内部流程指标:
学习与成长指标:
2. 二级评价。根据式 (4) 和式 (5) 可以得出:
3. 评价结果处理。由式 (6) 、式 (7) 和式 (8) 对评价结果进行分析得:P 1=0.00002147, P 2=0.68657097, , P=0.01131244 P=0.0281257534
根据最大隶属度原则, 由于P 2最大, 其对应的决断为最终评价结果, 即认为该物流企业的信息化绩效为良, 这与实际情况相符合。
四、结论
模糊信息 篇11
企业信息化,包括生产过程控制的信息化、企业管理的信息化、企业供应链管理的信息化、企业信息化组织建设及硬件配套等部分,实质上是将企业从原料采集到产品销售的整个过程所涉及的业务过程数字化,通过信息系统的支撑,实现企业资源的高效、合理配置。企业信息化要走出表面信息化的误区,搞好企业信息化管理系统建设,通过信息化基础设施及相关配套建设,实现企业的信息化,达到充分开发和高效利用信息资源、有效配置企业资源的目的,最终实现全面的信息化管理和信息化决策。
企业信息化是一项复杂系统性工程,具有多层次、多因素和多目标的特征。单靠定性研究很难对企业信息化的设计和建设提供有效支撑。本文运用模糊综合评价方法建立定量评价模型,以期为企业信息化的发展提供支持。
2 企业信息化评价方法
2.1 企业信息化评价指标
参考信息化主管部门关于企业信息化建设的基本指标构成方案(试行)和其他学者研究成果[1],本文从企业信息化内部组织建设评价指标(V1)、企业信息化基础设施建设评价指标(V2)、企业信息化系统应用评价指标(V3)、企业信息化系统管理评价指标(V4)和企业信息化综合反馈评价指标(V5)五个方面来设计评价指标体系,具体指标如表1所示。
企业信息化内部组织建设评价指标包括企业信息化部门工作人员综合素质(V11)、企业信息化部门组织结构合理程度(V12)、企业信息化部门内部信息安全保证机制(V13);企业信息化基础建设评价指标包括基础设施覆盖情况(V21)、硬件平台运行状况(V22)、网络支持平台效果(V23)、企业信息化投入与总值比(V24);企业信息化系统应用评价指标包括企业信息化部门管理机制(V31)、企业信息综合收发能力(V32)、企业生产运营销售等一体化的信息化程度(V33)、企业管理和决策的信息化程度(V34)、企业信息化目标实现情况(V35);企业信息化系统管理评价指标包括信息化长远战略和规划(V41)、信息系统的安全保障和维护支持机制(V42)、信息系统的引进培训再投入和奖励机制(V43)、企业信息化系统项目开发管理能力(V44);企业信息化综合反馈评价指标包括国家政策支持力度(V51)、企业领导层重视程度(V52)、直接经济效益(V53)、间接经济效益(V54)。
2.2 企业信息化模糊综合评价方法
鉴于企业信息化的多层次、多因素特征,本文将模糊综合评价方法与层次分析法综合起来建立评价模型。模糊集合理论是一种基于模糊数学的综合评价方法理论。模糊综合评价方法主要包括评价因素、评价因素值、平均评价值、权重、加权平均评价值和综合评价值等几个方面。[2]为便于权重分配和评议,首先要考虑的就是评价因素,评价因素是指对所讨论事务或对象有关系的一些因素分成若干类,每一类都被看作是单一评价因素,即第一级评价因素。第一级评价因素可以设置各自下属的第二级评价因素,因此类推。一般常用的只到第二级评价因素。评价因素值、评价值和平均评价值则分别是评价因素的具体值、评价因素的品质好坏和平均评价因素本身的品质好坏。有了上述几个参考值,再赋予各因素相应的权重,就可以得到加权平均评价值,将每个级别的所有加权平均值加和后就会得到综合评价值。
由于企业信息化的评价指标体系的层次性,本文采用层次分析法,对各个指标层进行权重确定,即通过对该层的所有要素按照一定的规则都两两互相比较,结果以比较判断矩阵R=(bij)形式展现。[3]根据线性代数知识,计算出矩阵的最大特征值和相应的特征向量,从而得到每一层的各个因素对该层准则的权重。设大类指标Wij是对应的各层具体因素Vij的权重,i,j=1,2,…同时,每一层满足Wi1+Wi2+Wi3+…+Win=1。特别地,第一级因素满足w1+w2+w3+w4+w5=1。
对结果的评价,即评价者对最后得出的结论给予企业信息化水平的合理总结性质的综合性评价。为简便起见,分为“好”“较好”“一般”“较差”“差”5个等级。
限于篇幅,仅对过程和结果进行简要说明和分析。确定隶属关系后,就可以建立模糊评价矩阵进行定量的分析了。按层次分析法得出的结论,列出判断决策矩阵Ri=[rij|i,j=1,2,…,n]。需要说明的是,对隶属度的计算要将定性指标和定量指标分开来分别分析。对于定性指标,可以根据评语标准进行分类,如,0.85以上为上等,0.70以上为中上等,0.6以上为中等,0.5以上为中下等,其他为下等,以此为标准进行量化处理。接下来,要对得到的数据进行最后的权重计算。
将权重向量Wi和隶属度函数Ri进行耦合,得到的结果就是评价结果向量,再根据一级评级标准,进行相应的评价结果分析,最终给予企业相应的评级。计算结果,决策矩阵如下:
最终的权重计算结果如下
由以上数据就可以计算出相应的企业信息化评价等级(见表2)。
同理可得出其他几项的隶属度。结果得出后要进行可靠性和正确性分析,进一步确定该模糊综合评价方法的有效性。可靠性分析,即通过计算过程中提供数据的连贯性和一致性来判断。方法研究过程中,测量的数据随机误差越小,可靠性越高。[4]
3 结语
从信息化建设角度来看,只有先建立起良好的内外部环境,企业才能成功进行信息化项目。现根据信息化的要求,深度挖掘企业自身的内在缺陷,这一点,是企业信息化之前应当系统化进行的企业行为。企业的信息化建设包括财务维度、外部环境、内部流程和创新与学习等几个方面,企业信息化模糊综合评价方法对企业信息化建设方案的设计和实施具有很好的作用。[5]
总之,企业信息化建设是一个耗时长的复杂过程,同时,各企业的信息化建设的具体情况又各不相同,给企业信息化的标准确定带来了模糊性,因此,建立企业信息化多层次模糊综合评价方法非常必要。笔者将在进一步深化对评价指标、评价模型研究的基础上,加强应用研究,为提高我国企业信息化水平提供有效服务。
参考文献
[1]刘路,张强.基于多层次模糊综合评价的CPFR合作计划研究[J].中国企业运筹学,2009,(8).
[2]李永宁.企业信息化多层次模糊综合评价方法[J].情报,2007,(2).
[3]彭国,姚俭.不确定性供应链风险的模糊综合评判[J].上海理工大学学报,2010,(4).
[4]雷中英.多层次模糊综合评判模型与建设投资项目后评价[J].北方凯贸,2010,(2).