机器学习（MACHINE LEARNING）MATLAB模糊评价模型

1 举例讲解

例1:
对某品牌电视机进行综合模糊评价
设评价指标集合:
U= {图像，声音，价格} ;
评语集合:
V={很好，较好，-般，不好} ;

这样一个模糊评价矩阵就建立完毕。

2 另一个例子

考虑一个服装评判的问题，为此建立因素集U={u1,u2,u3,u4}，其中u1表示花色，u2表示式样，u3表示耐穿程度，u4表示价格，建立评判集V={v1,v2,v3,v4}，其中v1表示很欢迎，v2表示较欢迎，v3表示不太欢迎，v4表示不欢迎，进行单因素评判的结果如下：

用模糊模型即“主因素决定型”，计算综合评判为：

根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，第二类顾客对此服装则“比较欢迎” 。

用matlab解决的代码如下：

%新建Example8_4.m文件

function Example8_4
A1=[0.1 0.2 0.3 0.4];
A2=[0.4 0.35 0.15 0.1];
R=[0.2 0.5 0.2 0.1;
    0.7 0.2 0.1 0;
    0 0.4 0.5 0.1;
    0.2 0.3 0.5 0];
fuzzy_zhpj(1,A1,R)
fuzzy_zhpj(1,A2,R)
end
%%
function[B]=fuzzy_zhpj(model,A,R) %模糊综合评判
B=[];
[m,s1]=size(A);
[s2,n]=size(R);
if(s1~=s2)
     disp('A的列不等于R的行');
else
    if(model==1)                 %主因素决定型
        for(i=1:m)
           for(j=1:n)
               B(i,j)=0;
               for(k=1:s1)
                   x=0;
                   if(A(i,k)<R(k,j))
                      x=A(i,k);
                   else
                      x=R(k,j);
                   end
                  if(B(i,j)<x)
                     B(i,j)=x;
                  end
               end
           end
       end
   elseif(model==2)               %主因素突出型
       for(i=1:m)
          for(j=1:n)
              B(i,j)=0;
              for(k=1:s1)
                  x=A(i,k)*R(k,j);
                  if(B(i,j)<x)
                     B(i,j)=x;
                  end
              end
          end
       end
   elseif(model==3)              %加权平均型
          for(i=1:m)
             for(j=1:n)
                B(i,j)=0;
                for(k=1:s1)
                    B(i,j)=B(i,j)+A(i,k)*R(k,j);
                end
              end
           end
    elseif(model==4)             %取小上界和型
           for(i=1:m)
               for(j=1:n)
                   B(i,j)=0;
                   for(k=1:s1)
                       x=0;
                       x=min(A(i,k),R(k,j));
                       B(i,j)=B(i,j)+x;
                   end
                       B(i,j)=min(B(i,j),1);
               end
            end
      elseif(model==5)            %均衡平均型
            C=[];
            C=sum(R);
            for(j=1:n)
               for(i=1:s2)
                   R(i,j)=R(i,j)/C(j);
               end
            end
            for(i=1:m)
                for(j=1:n)
                    B(i,j)=0;
                   for(k=1:s1)
                       x=0;
                       x=min(A(i,k),R(k,j));
                       B(i,j)=B(i,j)+x;
                   end
                end
            end
        else
            disp('模型赋值不当');
        end
end
end
%%
----------------------------------------------------------------------------------

右击“Example8_4.m”-->run,得到如下结果：

ans =

    0.2000    0.3000    0.4000    0.1000


ans =

    0.3500    0.4000    0.2000    0.1000

------------------------------------------------------------------------------------

解释如下：

    根据最大隶属度原则可知，第一类顾客对此服装“不太欢迎”，

                                       第二类顾客对此服装则“比较欢迎” 。

3 输出结果截图