CN115115212A - 一种适用于相似方案的自主优选排序方法 - Google Patents
一种适用于相似方案的自主优选排序方法 Download PDFInfo
- Publication number
- CN115115212A CN115115212A CN202210725609.XA CN202210725609A CN115115212A CN 115115212 A CN115115212 A CN 115115212A CN 202210725609 A CN202210725609 A CN 202210725609A CN 115115212 A CN115115212 A CN 115115212A
- Authority
- CN
- China
- Prior art keywords
- voting
- score
- scheme
- scoring
- sorting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C13/00—Voting apparatus
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种适用于相似方案的自主优选排序方法,采用专家综合量化打分方式对备选方案A进行量化打分,按得分高低进行第一步排序,同时列出综合得分相等的备选方案集合B;针对得分相等的备选方案B采用投票表决打分的方式进行第二步排序,同时找出投票表决分数相同的方案集合C;针对投票表决分数相同的方案集合C采用集中合议方式明确限定条件,集体研究得出最后排序结论。本发明主要解决多目标决策、多属性决策领域中存在的备选方案优劣差距较小,备选方案的定量打分或者投票打分结果相同等情况下面临的优劣排序困难,导致决策效率低等问题,为科学、合理的综合评价提供支撑,有效提升决策效率。
Description
技术领域
本发明属于数据处理技术领域,特别是涉及一种适用于相似方案的自主优选排序方法。
背景技术
科学综合评价方法是公平、公正考核评估的主要手段,综合评价是综合考量备选方案多种评价指标得分结果、指标对综合评价结果的影响权重。对于评价指标体系相互交叉、影响,定量打分方式难以做到科学,同时当不同备选方案评分结果相同时,很难对备选方案的优劣进行合理排序。如果单纯采用投票表决等方式受主观因素影响较大,同时面临不同备选方案的得票票数相同的情况,对备选方案的综合评价结果很难达成一致,进而做出科学决策。
因此,急需建立一种适用于相似方案的自主优选排序方法,既能确保方案排序有较为准确的客观数据支撑,又能考虑评审专家或评委主观因素,综合打分排序的综合评价结果科学有效具有重要现实意义。目前,公知的方法存在以下问题:
第一,现有采用评委或专家定量打分方式,针对得分相同的备选方案,很难做出合理的排序以辅助评价决策;
第二,采用投票表决进行排序,受主观因素影响较大,缺少定量数据支撑;同时当备选方案的得票数一致时,很难集中意见,达成一致,决策效率较低。
发明内容
为了解决上述问题,本发明提出了一种适用于相似方案的自主优选排序方法,主要解决多目标决策、多属性决策领域中存在的备选方案优劣差距较小,备选方案的定量打分或者投票打分结果相同等情况下面临的优劣排序困难,导致决策效率低等问题,为科学、合理的综合评价提供支撑,有效提升决策效率。
为达到上述目的,本发明采用的技术方案是:一种适用于相似方案的自主优选排序方法,包括步骤:
步骤1.输入备选方案集合A至优选排序模型;
步骤2.在优选排序模型中,先对备选方案A采用定量打分进行排序,列出分数相同的方案集合B;
步骤3.对方案集合B采用投票打分方式进行排序,列出投票得分相同的方案集合C;
步骤4.对方案集合C采用合议修订投票打分方式进行排序,列出方案集合D;
步骤5.综合打分排序,综合步骤1中定量打分不相同的方案排序结果、步骤2中投票打分不相同的方案排序结果和步骤3的排序结果对方案集合A中所有方案进行排序,优选排序模型输出最终排序结果。
进一步的是,在所述步骤2中,对备选方案A采用定量打分进行排序,列出分数相同的方案集合B,包括步骤:
2.1.确定备选方案定量打分的评价指标;
2.2.确定每个评价指标的权重;
2.3.引入每个评价指标的打分规则;
2.4.根据权重和打分规则,按照分数高低对备选方案进行排序,列出分数相同的方案集合B。
进一步的是,所述引入每个评价指标的打分规则包括:为各单项评价指标确定等级打分方式或者百分制或者十分值打分方式。
进一步的是,根据权重和打分规则,按照分数高低对备选方案进行排序,列出分数相同的方案集合B,包括步骤:
首先对打分结果中的定性指标进行量化处理,获得m个备选方案的决策矩阵X;
采用线性比例变换或极差变换指标标准化方法对得分结果进行标准化处理,得到标准化处理后的决策矩阵Y;
采用线性加权法、模糊综合评价或层次分析法方法或者层次分析法-模糊综合评价组合评价方法计算出每个备选方案的综合量化得分结果G;
按照综合得分高低对备选方案进行排序,列出综合得分相同的备选方案B。
进一步的是,在所述步骤3中,对方案集合B采用投票打分方式进行排序,列出投票得分相同的方案集合C,包括步骤:
3.1针对得分相同的备选方案采用投票排序方式进行排序;
3.2计算每个专家投票排序结果下备选方案的投票得分;
3.3列出投票得分相同的方案集C。
进一步的是,计算每个专家投票排序结果下备选方案的投票得分,包括步骤:
计算备选方案集合B中的每个方案投票得分,投票排序第一的备选方案获得q分,排序第二获得q-1分,依次递减至排序最后1分,得到投票排序得分矩阵O;
计算备选方案集合B中的每个方案总的投票排序得分;
确定方案集合B中投票排序得分相同的方案集合C。
进一步的是,步骤4.对方案集合C采用合议修订投票打分方式进行排序,列出方案集合D,包括步骤:
4.1设定合议决定的限定条件;
4.2按照合议决定的限定条件修订方案集合C中的投票顺序;
4.3根据修订后的投票排序重新计算方案集合C中的投票得分。
采用本技术方案的有益效果:
本发明采用专家综合量化打分方式对备选方案A进行量化打分,按得分高低进行第一步排序,同时列出综合得分相等的备选方案集合B;针对得分相等的备选方案B采用投票表决打分的方式进行第二步排序,同时找出投票表决分数相同的方案集合C;针对投票表决分数相同的方案集合C采用集中合议方式明确限定条件,集体研究得出最后排序结论。本发明提出的适用于相似方案的自主优选排序方法,在打分排序中充分尊重每个评委民主打分的结果,同时在面对分数相等、票数相同等情况下合议讨论,充分发挥集中评议的优势,确保在评委在多属性决策、多目标决策等领域中能合理考虑较为精确的数据支撑以及大多数的主观意见,使得评委在对备选方案的排序能较快达成一致意见,提高综合打分排序的效率。
附图说明
图1为本发明的一种适用于相似方案的自主优选排序方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种适用于相似方案的自主优选排序方法,包括步骤:
步骤1.输入备选方案集合A至优选排序模型;
步骤2.在优选排序模型中,先对备选方案A采用定量打分进行排序,列出分数相同的方案集合B;
步骤3.对方案集合B采用投票打分方式进行排序,列出投票得分相同的方案集合C;
步骤4.对方案集合C采用合议修订投票打分方式进行排序,列出方案集合D;
步骤5.综合打分排序,综合步骤1中定量打分不相同的方案排序结果、步骤2中投票打分不相同的方案排序结果和步骤3的排序结果对方案集合A中所有方案进行排序,优选排序模型输出最终排序结果。
作为上述实施例的优化方案:
针对m个备选方案集合A={a1,a2,...,am},评委集合E={e1,e2,...,ep},p名评委需要对m个备选方案进行打分,最后综合所有评委意见对备选方案进行排序。
1.对备选方案集合A中每个方案定量打分,根据得分高低进行排序。
1.1确定备选方案综合评价指标V:
V={v1,v2,...,vn},vi为各单项指标。
1.2确定V中每个指标的权重或重要度程度:
采用连环比率法、相对比较法、层次分析法、专家咨询法等主观赋权法或者熵值法、改进理想解法等客观赋权法或者层次分析法-熵值法等组合赋权法确定评价指标的权重W={ω1,ω2,...,ωm}。ωi为各单项评价指标vi的权重。
1.3确定各类综合评价指标的打分细则:
为各单项评价指标ci确定打分方式(如优秀、良好、及格、不及格等)或者百分制或者十分值等打分方式。
1.4计算各个备选方案的综合得分,按照分数高低对备选方案进行排序
1.4.1首先对打分结果中的定性指标进行量化处理,获得m个备选方案的决策矩阵X。
式中,xij为第i个备选方案ai在评价指标vj下的原始打分分数。
1.4.2采用线性比例变换、极差变换等指标标准化方法对得分结果进行标准化处理,得到标准化处理后的决策矩阵Y。
式中,yij为第i个备选方案ai在评价指标vj下标准化处理的值。
如采用线性比例变换:
如采用极差变换:
1.4.3采用线性加权法、模糊综合评价、层次分析法等方法或者层次分析法-模糊综合评价等组合评价方法计算出每个备选方案的综合量化得分结果G。
G={g1,g2,...,gm}。
1.4.4按照综合得分高低对备选方案进行排序。
R=RANK(a1,a2,...,am)。
1.4.5列出综合得分相同的备选方案B:
2.采用投票表决打分方式对集合B中的备选方案进行排序。
2.1针对得分相同的备选方案B进行投票排序:
评委集合E={e1,e2,...,ep}中p名评委需要对B={b1,b2,...,bq}中q个分数相等的方案进行排序。
2.2计算每个评委投票排序结果下集合B中各个方案的投票得分。
2.2.1计算备选方案集合B中的每个方案投票得分,投票排序第一的备选方案获得q分,排序第二获得q-1分,依次递减至排序最后1分,得到投票排序得分矩阵O。
式中,oij为第i个专家ei对方案bj的投票排序打分,1≤oij≤q,p为评委总数,q为投票排序的方案数量。
2.2.2计算备选方案集合B中的每个方案总的投票排序得分。
式中,Qj为方案集合B中方案bj的投票排序总得分,oij为第i个评委ei对方案bj的投票排序打分。
2.2.3确定方案集合B中投票排序得分相同的方案集合。C={c1,c2,...}。
3.对投票排序得分相同的备选方案集合C进行排序
3.1合议确定限定条件
合议明确备选方案集合C中不能排在第一位的方案或者不能排在第二位的方案或者不能排在最后的方案。
3.2按照合议确定的限定条件修改集合C中方案的投票排序
3.3将投票得分相同的备选方案进行排序。
4.综合打分排序
综合步骤1、步骤2和步骤3的排序结论对方案集合A中所有方案进行排序。
作为上述实施例的具体实施方案:
以学生综合能力评价为例详细阐述本发明的主要思想:
针对5个备选方案集合A={a1,a2,a3,a4,a5},评审专家集合E={e1,e2,e3},3名专家需要对5个备选方案进行打分,最后综合所有专家意见对备选方案进行排序。
步骤1.采用定量打分方式对备选方案进行排序
1.1综合评价指标V
综合评价指标包括思想道德素质(v1)、专业素质(v2)、身心素质(v3)、人文素质(v4)、能力素质(v5),定义综合指标集合V={v1,v2,...,v5}。
1.2确定V中每个指标的权重或重要度程度
采用层次分析法确定评价指标的权重ω1=0.178,ω2=0.365,ω3=0.132,ω4=0.079,ω5=0.247。
V | v<sub>1</sub> | v<sub>2</sub> | v<sub>3</sub> | v<sub>4</sub> | v<sub>5</sub> | 权重 |
v<sub>1</sub> | 1 | 1/3 | 2 | 3 | 1/2 | 0.178 |
v<sub>2</sub> | 3 | 1 | 2 | 3 | 2 | 0.365 |
v<sub>3</sub> | 1/2 | 1/2 | 1 | 2 | 1/2 | 0.132 |
v<sub>4</sub> | 1/3 | 1/3 | 1/2 | 1 | 1/3 | 0.079 |
v<sub>5</sub> | 2 | 1/2 | 2 | 3 | 1 | 0.247 |
1.3确定各类综合评价指标的打分细则
五项评价指标打分方式,思想道德素质采用优秀、良好、及格、不及格四级打分方式;专业素质采用所学专业所有课程的平均分(百分制)衡量;身心素质根据体育课、心理课程的平均(百分制)得分衡量;人文素质参与文艺活动表现,采用10分制打分;能力素质根据发表论文、申请专利、参与科研项目等活动量化得到的科研得分。
1.4计算各个备选方案的综合得分,按照分数高低对备选方案进行排序
1.4.1首先对打分结果中的定性指标进行量化处理,获得5个备选方案的决策矩阵X。
将评分结果转化为决策矩阵X。
1.4.2采用极差变换等指标标准化方法对X进行标准化处理,得到标准化决策矩阵Y。
1.4.3采用线性加权法计算出每个备选方案的综合量化得分结果G,5个方案的总分分别为0.6,1.6,1.6,1.6,0.9。
G={0.6,1.6,1.6,1.6,0.9}。
1.4.4按照综合得分高低对备选方案集合A中的5个方案进行排序。
排序结果为:第一名:a2,a3,a4;第二名:a5,第三名:a1。
1.4.5列出综合得分相同的备选方案B
由于定量打分中出现了a2,a3,a4三个方案分数相同的情况,无法按照分数的高度对这三个方案进行排序,定义定量打分中分数相同的备选方案集合B={a2,a3,a4},下一步需要3名评委e1,e2,e3通过投票规则对B中的三个方案a2,a3,a4进行排序。
2.计算定量打分中得分相同备选方案的投票得分
2.1针对得分相同的备选方案B={a2,a3,a4}采用投票排序方式进行排序。
2.2计算每个评委投票排序结果下集合B中各个备选方案的投票得分。
2.2.1计算备选方案集合B中的3个方案的投票排序得分,投票排序第一的备选方案获得3分,排序第二获得2分,排序第二得1分,得到投票排序得分矩阵O。
2.2.2计算备选方案集合B={a2,a3,a4}中的每个方案总的投票排序得分。
2.2.3确定方案集合B中投票排序得分相同的方案集合C。
备选方案集合B={a2,a3,a4}中三个方案的投票排序得分相同,因此,投票排序得分相同的方案集合C={a2,a3,a4},这表示通过投票打分的方式也不能准确的给出a2,a3,a4三个方案的排序结果,下一步需要对C中三个方案采用合议研究的方式进行排序。
3.对投票排序得分相同的备选方案集合C进行排序
3.1确定合议决定的限定条件
三名评委合议达成一致意见:方案a3在思想道德素质(v1)、人文素质(v4)均处于备选方案中最后,因此方案a3不能排在第一名,将a3排在第一名的评委e2需要改变投票排序结果,对表所示的投票排序结果进行调整,即得到新的排序结果。
3.2按照合议决定的限定条件修订方案集合C中的投票顺序。
3.3根据修订后的投票排序重新计算方案集合C中的投票得分
根据投票排序结果重新计算三个方案的投票排序的得分:
3.4根据投票排序得分的高低对C中方案进行排序:
显然根据投票排序打分结果,a4>a2>a3。
4.综合打分排序
综合步骤1、步骤2和步骤3的排序结果将候选方案集合A={a1,a2,a3,a4,a5}中5个方案进行排序。
a4>a2>a3>a5>a1
排序结论为:第一,a4;第二,a2;第三,a3;第四,a2;第五,a1。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种适用于相似方案的自主优选排序方法,其特征在于,包括步骤:
步骤1.输入备选方案集合A至优选排序模型;
步骤2.在优选排序模型中,先对备选方案A采用定量打分进行排序,列出分数相同的方案集合B;
步骤3.对方案集合B采用投票打分方式进行排序,列出投票得分相同的方案集合C;
步骤4.对方案集合C采用合议修订投票打分方式进行排序,列出方案集合D;
步骤5.综合打分排序,综合步骤1中定量打分不相同的方案排序结果、步骤2中投票打分不相同的方案排序结果和步骤3的排序结果对方案集合A中所有方案进行排序,优选排序模型输出最终排序结果。
2.根据权利要求1所述的一种适用于相似方案的自主优选排序方法,其特征在于,在所述步骤2中,对备选方案A采用定量打分进行排序,列出分数相同的方案集合B,包括步骤:
2.1.确定备选方案定量打分的评价指标;
2.2.确定每个评价指标的权重;
2.3.引入每个评价指标的打分规则;
2.4.根据权重和打分规则,按照分数高低对备选方案进行排序,列出分数相同的方案集合B。
3.根据权利要求2所述的一种适用于相似方案的自主优选排序方法,其特征在于,所述引入每个评价指标的打分规则包括:为各单项评价指标确定等级打分方式或者百分制或者十分值打分方式。
4.根据权利要求2所述的一种适用于相似方案的自主优选排序方法,其特征在于,根据权重和打分规则,按照分数高低对备选方案进行排序,列出分数相同的方案集合B,包括步骤:
首先对打分结果中的定性指标进行量化处理,获得m个备选方案的决策矩阵X;
采用线性比例变换或极差变换指标标准化方法对得分结果进行标准化处理,得到标准化处理后的决策矩阵Y;
采用线性加权法、模糊综合评价或层次分析法方法或者层次分析法-模糊综合评价组合评价方法计算出每个备选方案的综合量化得分结果G;
按照综合得分高低对备选方案进行排序,列出综合得分相同的备选方案B。
5.根据权利要求1所述的一种适用于相似方案的自主优选排序方法,其特征在于,在所述步骤3中,对方案集合B采用投票打分方式进行排序,列出投票得分相同的方案集合C,包括步骤:
3.1针对得分相同的备选方案采用投票排序方式进行排序;
3.2计算每个专家投票排序结果下备选方案的投票得分;
3.3列出投票得分相同的方案集C。
6.根据权利要求5所述的一种适用于相似方案的自主优选排序方法,其特征在于,计算每个专家投票排序结果下备选方案的投票得分,包括步骤:
计算备选方案集合B中的每个方案投票得分,投票排序第一的备选方案获得q分,排序第二获得q-1分,依次递减至排序最后1分,得到投票排序得分矩阵O;
计算备选方案集合B中的每个方案总的投票排序得分;
确定方案集合B中投票排序得分相同的方案集合C。
7.根据权利要求1所述的一种适用于相似方案的自主优选排序方法,其特征在于,步骤4.对方案集合C采用合议修订投票打分方式进行排序,列出方案集合D,包括步骤:
4.1设定合议决定的限定条件;
4.2按照合议决定的限定条件修订方案集合C中的投票顺序;
4.3根据修订后的投票排序重新计算方案集合C中的投票得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210725609.XA CN115115212A (zh) | 2022-06-23 | 2022-06-23 | 一种适用于相似方案的自主优选排序方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210725609.XA CN115115212A (zh) | 2022-06-23 | 2022-06-23 | 一种适用于相似方案的自主优选排序方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115115212A true CN115115212A (zh) | 2022-09-27 |
Family
ID=83328531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210725609.XA Pending CN115115212A (zh) | 2022-06-23 | 2022-06-23 | 一种适用于相似方案的自主优选排序方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115212A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973698A (zh) * | 2024-03-28 | 2024-05-03 | 中国汽车技术研究中心有限公司 | 一种基于机器学习的决策优化***及方法 |
-
2022
- 2022-06-23 CN CN202210725609.XA patent/CN115115212A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973698A (zh) * | 2024-03-28 | 2024-05-03 | 中国汽车技术研究中心有限公司 | 一种基于机器学习的决策优化***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751355A (zh) | 一种科技成果评估方法和装置 | |
CN107067182A (zh) | 面向多维意象的产品设计方案评估方法 | |
CN110532429B (zh) | 一种基于聚类和关联规则的线上用户群体分类方法及装置 | |
CN111311110A (zh) | 基于对偶犹豫模糊multimoora与多粒度概率粗糙集的群决策方法 | |
CN110659213A (zh) | 一种基于直觉模糊的软件质量评价方法 | |
CN110968651A (zh) | 一种基于灰色模糊聚类的数据处理方法及*** | |
CN111784109A (zh) | 一种基于毕达哥拉斯模糊集和vikor的供应商选择方法 | |
CN111523768A (zh) | 一种基于熵权-topsis的广义需求侧资源品质评价方法 | |
Emrouznejad et al. | Selecting the most preferable alternatives in a group decision making problem using DEA | |
CN115115212A (zh) | 一种适用于相似方案的自主优选排序方法 | |
CN114862144A (zh) | 一种适用于绩效评价的权重确定方法 | |
CN114330716A (zh) | 一种基于cart决策树的大学生就业预测方法 | |
CN108509588B (zh) | 一种基于大数据的律师评估方法及推荐方法 | |
CN107093005A (zh) | 基于大数据挖掘算法实现办税服务厅自动分级的方法 | |
CN113435713A (zh) | 基于gis技术和两模型融合的风险地图编制方法及*** | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN113159535A (zh) | 一种基于熵权法的软件服务绩效评价方法 | |
Wang et al. | A vague set based decision support approach for evaluating research funding programs | |
CN116307381A (zh) | 一种基于多属性决策的绿色产品设计方案评价方法及*** | |
Li et al. | Grey-incidence clustering decision-making method with three-parameter interval grey number based on regret theory | |
CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
Feng et al. | Job Recommendation System Based on Analytic Hierarchy Process and K-means Clustering | |
CN112488438A (zh) | 一种结合信用信息的工业企业综合效益评价方法及*** | |
Hayuningtyas et al. | Performance Evaluation of 198 Village Governments using Fuzzy TOPSIS and Intuitionistic Fuzzy TOPSIS | |
CN112200474A (zh) | 教学质量评价方法、终端设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |