[发明专利]一种适用于小子样情形的权重确定方法有效
申请号: | 201310068116.4 | 申请日: | 2013-03-04 |
公开(公告)号: | CN103198208A | 公开(公告)日: | 2013-07-10 |
发明(设计)人: | 于力超;赵海涛 | 申请(专利权)人: | 北京空间飞行器总体设计部 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京理工大学专利中心 11120 | 代理人: | 高燕燕;李爱英 |
地址: | 100094 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 适用于 小子 情形 权重 确定 方法 | ||
技术领域
本发明涉及一种权重确定方法,具体涉及一种适用于小子样情形的权重确定方法,属于产品质量技术领域。
背景技术
权重是表示因素重要性的相对数值。在综合评价中权重可以定义为元素对于整体贡献的相对重要程度。权重的确定归为决策论范畴。
权重的确定方法主要有两大类:主观赋权法、客观赋权法。主观赋权法是决策者根据自己的经验及对各属性的主观重视程度进行赋权的方法,主要有点估计法(统计平均法)、判断矩阵法(两两比较法、优先次序矩阵法)、层次分析法、德尔菲法等。客观法指单纯利用属性的客观信息确定权重的方法,主要有熵值法(熵权信息法)、变异系数法、主成分分析法等。
主观赋权法是由专家根据自己的经验和对实际的判断给出的,选取的专家不同,得到的权重就不同。该方法的优点是专家可根据实际问题,较为合理地确定各分量的重要性,且操作较为简便,不受各因素的样本量限制,在数据量不足时有优势。但该类方法的缺点也是明显的,专家评分统计平均法(德尔菲法)和因果矩阵法没有应用科学的统计分析和假设检验方法,主观随意性大,且并未因增加专家数量和仔细选取专家而得到根本改善,故在个别情况下采用主观赋权可能与实际情况存在较大的差异,而层次分析法虽然对多个因素的专家评分结果进行了一致性检验,但需要对所有因素两两之间进行重要性比较,在需要赋权的因素较多时,这种评分方法难度较大,可信度较差,不如直接让专家按1到9标度打分,但目前按1到9标度打分确定重要性权重的德尔菲法和因果矩阵法都直接对专家评分结果进行相加和平均,没有对评分结果进行统计检验,受专家主观因素影响过大。
客观赋权法的原始数据来源于各指标的实际数据,具有绝对的客观性。但在航天领域中,有时会因为所取样本不够大或不够充分,最重要的分量不一定具有最大的权重,不重要的分量可能具有较大的权重,且当要考虑的因素较多时,客观赋权法收集数据的工作量太大,不现实,最好先筛选出需要收集数据的因素,从而提高工作效率。
在实际确定指标权重的过程中,可以将主观赋权法和客观赋权法的优势结合起来,称之为组合赋权法,这种组合赋权法在工程上可操作性不强。
发明内容
有鉴于此,本发明提供了一种适用于小子样情形的权重确定方法,应用非参数统计和回归分析等统计方法进行影响产品质量诸因素的重要性权重的确定,在航天领域中,可以用来确定影响航天产品质量的关键特性。
一种适用于小子样情形的权重确定方法,该权重确定方法具体步骤如下:
确定影响产品质量的所有因素,假设有m个,分别为A1,…,Am,有n个专家分别根据每个因素对产品质量的影响程度按1至9标度评分,其中1表示不重要,9表示特别重要,1到9重要性依次提高,得到评分矩阵C=(cij)m×n,其中cij是第j个专家对第i个因素重要性的评分结果;
第一步:对收集到的评分矩阵进行克鲁斯卡尔-沃利斯统计检验,以确定每个因素的评分值之间是否有显著差异,对于m≥3的情形,通过克鲁斯卡尔-沃利斯检验判断每个因素之间是否有显著差异,并根据公式(1)计算检验统计量:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京空间飞行器总体设计部,未经北京空间飞行器总体设计部许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310068116.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:两级分块CRC运算的快速配置方法
- 下一篇:一种分裂基FFT结构设计方法
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用