CN110990782B - 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 - Google Patents
基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 Download PDFInfo
- Publication number
- CN110990782B CN110990782B CN201911095895.0A CN201911095895A CN110990782B CN 110990782 B CN110990782 B CN 110990782B CN 201911095895 A CN201911095895 A CN 201911095895A CN 110990782 B CN110990782 B CN 110990782B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- index
- weighted
- value
- hesitation
- 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.)
- Active
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 59
- 230000001953 sensory effect Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 24
- 230000002776 aggregation Effects 0.000 title claims abstract description 16
- 238000004220 aggregation Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 226
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 206010013911 Dysgeusia Diseases 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 10
- 239000003205 fragrance Substances 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000007794 irritation Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000391 smoking effect Effects 0.000 description 4
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 244000269722 Thea sinensis Species 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,包括:获取卷烟评价指标,并获取各个评价者根据所述评价指标对评价对象所作的初始评价值;对所述初始评价值进行模糊化处理转化为加权犹豫糊模元;设置权重的约束条件,建立指标权重优化模型以确定各个评价指标的指标权重;根据所述加权犹豫糊模元和所述指标权重,并通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值;以所述得分函数值作为评价对象的卷烟感官质量评价依据。本发明能使卷烟感官评价结果更加符合实际情况。
Description
技术领域
本发明涉及卷烟评价技术领域,尤其涉及基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法。
背景技术
卷烟感官质量是烟支在燃吸过程中产生的烟气对人体感官产生的综合感觉,是卷烟产品质量的重要组成部分,是产品质量的基础和核心。目前,卷烟产品在市场上的竞争日趋激烈,卷烟质量的优劣直接关系到卷烟工业企业的效益和发展。如何科学合理地对卷烟感官质量进行评价,是卷烟生产与评价工作的一个非常重要的环节。
对于卷烟感官质量的评价,不能使用检测仪器,只能通过有经验的卷烟感官质量评委进行评价,由于感官评吸委员专业水平和评吸技能等方面存在较大的差异,评吸水平高低也不尽相同,并且目前多使用简单算术平均法统计评吸结果,不能准确、真实地反映卷烟产品的感官质量。因此许多烟草研究工作者对如何科学合理地对感官质量评吸结果进行统计分析,提高卷烟感官质量评价结果的准确性和真实性,构建卷烟感官质量评吸结果综合评价分析方法体系进行了广泛探索。现有研究分别从烟草种植区划分的5项基本评吸指标、烟气的化学成分、《GB5606.4-2005》中卷烟感官评吸指标,以及专家评吸指标出发,运用模糊相近优先法、熵权模糊法、物元可拓法、主成分法、优序法、相似距离法、模糊综合评定法、雷达图特征量提取法、因子分析法等对烤烟烟叶、烟气的化学成分以及卷烟感官质量进行了评价。然而上述研究主要以专家的评吸得分为主,且这些综合评价方法中使用的权重多采用德尔菲(Delphi)法、层次分析(AHP)法、模糊综合评定法和灰色关联分析法等。这些方法的共同点是都需专家评判或评分,赋权多采用主观赋权法。虽然这些方法都是建立在专家评吸的基础上的,也能在一定程度上反映感官质量的总体评价。但是,这些主观赋权法中评价指标的权重会随专家个人认识程度不同而产生差异,不同的专家评价同一种香烟的结果会有差异,特别是对同一类型的卷烟在同一指标下,其不同的评价结果会反映出指标具有不同的权重。
发明内容
本发明提供一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,解决现有对卷烟感官质量评价指标的权重会随专家个人认识程度不同而产生差异的问题,能有效地保留了决策群体的不同意见,并有效地考虑了每一个评价意见的重要性程度,使卷烟感官评价结果更加符合实际情况。
为实现以上目的,本发明提供以下技术方案:
一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,包括:
获取卷烟评价指标,并获取各个评价者根据所述评价指标对评价对象所作的初始评价值;
对所述初始评价值进行模糊化处理转化为加权犹豫糊模元;
设置权重的约束条件,建立指标权重优化模型以确定各个评价指标的指标权重;
根据所述加权犹豫糊模元和所述指标权重,并通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值;
以所述得分函数值作为评价对象的卷烟感官质量评价依据。
优选的,所述对所述初始评价值进行模糊化处理转化为加权犹豫糊模元,包括:
首先针对评价对象,评价群体根据评价指标aj(j=1,2,L,n)给出了初始评价值集合其中/>代表初始评价值,lj代表集合包含初始评价值的个数;然后按照各个评价指标对应的隶属度函数将被评价对象在指标aj下的初始评价值/>转化为模糊数/>从而获得一个犹豫模糊元/>
根据幂加权的思想,在犹豫模糊元hj中的与其他隶属度越相似代表它的重要性就越大,确定任意一个γj权重为/>其中/>代表/>与其他隶属度的相似度;
进而获得加权犹豫模糊评价矩阵其中/>为加权犹豫模糊元。
优选的,所述建立指标权重优化模型以确定各个评价指标的指标权重,包括:
根据公式计算得到指标权重:
其中代表加权犹豫模糊元/>与/>的距离测度,Δ作为权重的约束条件,ωj代表评价指标aj的权重。
优选的,所述通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值,包括:
采取加权犹豫模糊幂加权平均(WHFPWA)算子进行集结被评价对象x在各个指标下的评价结果,得到综合评价结果为:
其中代表加权犹豫模糊元/>与其他所有加权犹豫模糊元的支持度之和,综合评价结果hw={<γλ,wλ>|λ=1,2,L,L};
计算hw的得分函数值其中得分函数值的范围为0≤s(hw)≤1,s(hw)代表综合评价结果hw的期望值。
优选的,所述卷烟评价指标包括:光泽、香气、谐调、杂气、刺激性和余味;
评价指标为光泽所对应的隶属度函数为:
其中,f1(x)为光泽隶属度函数,x为评价群体给出关于被评价对象在指标光泽上的初始评价值。
优选的,评价指标为香气所对应的隶属度函数为:
其中,f2(x)为香气隶属度函数,x为评价群体给出关于被评价对象在指标香气上的初始评价值。
优选的,评价指标为谐调所对应的隶属度函数为:
其中f3(x)为谐调隶属度函数,x为评价群体给出关于被评价对象在指标谐调上的初始评价值。
优选的,评价指标为杂气所对应的隶属度函数为:
其中f4(x)为杂气隶属度函数,x为评价群体给出关于被评价对象在指标杂气上的初始评价值。
优选的,评价指标为刺激性所对应的隶属度函数为:
其中f5(x)为刺激性隶属度函数,x为评价群体给出关于被评价对象在指标刺激性上的初始评价值。
优选的,评价指标为余味所对应的隶属度函数为:
其中f6(x)为余味隶属度函数,x为评价群体给出关于被评价对象在指标余味上的初始评价值。
本发明提供一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,将加权犹豫模糊思想引入感官质量评价中,采用加权犹豫模糊幂加权平均算子集结所有指标的评价结果,获得综合评价结果,然后依赖得分函数计算综合评价结果的期望,解决现有对卷烟感官质量评价指标的权重会随专家个人认识程度不同而产生差异的问题,能有效地保留了决策群体的不同意见,并有效地考虑了每一个评价意见的重要性程度,使卷烟感官评价结果更加符合实际情况。
附图说明
为了更清楚地说明本发明的具体实施例,下面将对实施例中所需要使用的附图作简单地介绍。
图1是本发明提供的一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例的方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
针对当前对卷烟感官质量评价存在个人认识度不同而产生差异的问题,本发明提供一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,将加权犹豫模糊思想引入感官质量评价中,采用加权犹豫模糊幂加权平均算子集结所有指标的评价结果,获得综合评价结果,然后依赖得分函数计算综合评价结果的期望,解决现有对卷烟感官质量评价指标的权重会随专家个人认识程度不同而产生差异的问题,能有效地保留了决策群体的不同意见,并有效地考虑了每一个评价意见的重要性程度,使卷烟感官评价结果更加符合实际情况。
如图1所示,一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,包括:
S1:获取卷烟评价指标,并获取各个评价者根据所述评价指标对评价对象所作的初始评价值;
S2:对所述初始评价值进行模糊化处理转化为加权犹豫糊模元;
S3:设置权重的约束条件,建立指标权重优化模型以确定各个评价指标的指标权重;
S4:根据所述加权犹豫糊模元和所述指标权重,并通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值;
S5:以所述得分函数值作为评价对象的卷烟感官质量评价依据。
需要说明的是,为了有效考虑数据之间的相互作用,将幂集结算子拓展到加权犹豫模糊领域,提出了加权犹豫模糊幂加权平均(WHFPWA)算子,相关定义如下。设n个加权犹豫模糊元与之相关的权重集合为ω=(ω1,ω2,…,ωn),则称/>为加权犹豫模糊幂加权平均(WHFPWA)算子,其中/> 代表加权犹豫模糊元/>对/>的支持度,一般取/> 代表加权犹豫模糊元/>和/>之间的距离测度。
在评价结果归一过程中,由于原始的评价结果取值范围不一值,为了计算方便,采取相应的隶属度函数将其转为取值范围为[0,1]的模糊数或者隶属度。考虑到对同一类型的卷烟在同一指标下,会有多个隶属度,其次不同的评价结果应当具有不同的权重,
由于一个隶属度与其他隶属度的相似程度越大,证明它的重要性就越大,应当赋予较大的权重,反之就要赋予较小的权重。因此基于这一思维和幂加权算子的算法,对不同的隶属度进行赋权,最终获得加权犹豫模糊元。同时,一个指标下的评价结果若与其他指标下的评价结果越接近,说明删除它后,对最终的评价结果的影响是很小的,因此赋予的权重就应当越小,反之就越大。考虑到不同指标下的数据之间可能存在交互关联的作用,因此可采取加权犹豫模糊幂加权平均算子集结所有指标的评价结果,获得综合评价结果,然后依赖得分函数这一计算工具,计算综合评价结果的期望,即为它最终的评价结果。
具体地,对于卷烟感官品吸评价问题,可设被评价对象为x,n个相关的评价指标A={aj|j=1,2,L,n},相关指标的权重为ωj,且满足且ωj≥0。评价群体C={cv|v=1,2,…,z}。设/>为评价者cv根据指标aj给出被评价对象x的初始评价值。
进一步:对所述初始评价值进行模糊化处理转化为加权犹豫糊模元,具体转化过程如下:
首先,按照相关的隶属度函数将被评价对象x在指标aj下的评价值转化为模糊数,从而获得一个犹豫模糊元其中/>代表初始评价值,lj代表集合包含初始评价值的个数。
其次,基于幂加权算子的思想认为对于一个犹豫模糊元hj中的与其他隶属度越接近说明它的重要性程度越大,反之则越小。因此对于任意一个γj,它的权重为其中/>进而获得加权犹豫模糊评价矩阵其中/>为加权犹豫模糊元。其中各个指标相关的隶属度函数分别为:
(1)光泽,其中,f1(x)为光泽隶属度函数,x为评价群体给出关于被评价对象在指标光泽上的初始评价值。
(2)香气,其中,f2(x)为香气隶属度函数,x为评价群体给出关于被评价对象在指标香气上的初始评价值。
(3)谐调,其中f3(x)为谐调隶属度函数,x为评价群体给出关于被评价对象在指标谐调上的初始评价值。
(4)杂气,其中f4(x)为杂气隶属度函数,x为评价群体给出关于被评价对象在指标杂气上的初始评价值。
(5)刺激性,其中f5(x)为刺激性隶属度函数,x为评价群体给出关于被评价对象在指标刺激性上的初始评价值。
(6)余味,其中f6(x)为余味隶属度函数,x为评价群体给出关于被评价对象在指标余味上的初始评价值。
更进一步:设置权重的约束条件,建立指标权重优化模型以确定各个评价指标的指标权重。
由于一般某个指标下的数据与其他指标下数据越接近,则剔除该指标对评价结果的影响程度就越低,因此相应的指标权重就越小。面对指标权重完全未知的情况,其指标相关权重具体计算模型如下:
为了求解,构建拉格朗日函数其中η是一个实数,对函数La(ω,η)求分别关于的偏导数,并令
求得将ωj进行归一化得到指标的权重为
在现实情况中,决策群体可以根据自身的经验和知识,给出指标权重的部分信息为Δ,将Δ作为权重的约束条件,建立一种新的指标权重优化模型。
其中代表加权犹豫模糊元/>与/>的距离测度,Δ作为权重的约束条件,ωj代表评价指标aj的权重。
再进一步:获得被评价对象的综合评价结果。采取加权犹豫模糊幂加权平均(WHFPWA)算子进行集结被评价对象x在各个指标下的评价结果,得到综合评价结果为
其中代表加权犹豫模糊元/>与其他所有加权犹豫模糊元的支持度之和,综合评价结果hw={<γλ,wλ>|λ=1,2,L,L}。
计算hw的得分函数值一般s(hw)越大代表被评价对象x越好,其中得分函数值的范围为0≤s(hw)≤1。
在一实施例中,对某一牌号的卷烟进行感官质量评价如下步骤,首先获取初始评价值,如表1所示。
表1
光泽a1 | 香气a2 | 谐调a3 | 杂气a4 | 刺激性a5 | 余味a6 | |
评吸员c1 | 5.0 | 30.0 | 5.0 | 11.0 | 18.5 | 22.5 |
评吸员c2 | 5.0 | 30.0 | 5.0 | 11.0 | 18.5 | 22.5 |
评吸员c3 | 5.0 | 30.0 | 5.5 | 11.0 | 18.0 | 22.5 |
评吸员c4 | 5.0 | 30.0 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c5 | 5.0 | 29.5 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c6 | 5.0 | 29.5 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c7 | 5.0 | 30.5 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c8 | 4.9 | 30.0 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c9 | 5.0 | 30.0 | 5.0 | 11.5 | 18.0 | 23.0 |
评吸员c10 | 5.0 | 30.0 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c11 | 5.0 | 30.0 | 5.0 | 11.0 | 18.0 | 22.5 |
评吸员c12 | 5.0 | 30.0 | 5.5 | 11.0 | 18.0 | 23.0 |
评吸员c13 | 4.8 | 31.0 | 5.0 | 11.0 | 18.0 | 23.0 |
评吸员c14 | 5.0 | 30.5 | 5.0 | 11.0 | 17.5 | 22.5 |
对上述数据进行模糊化处理,例如针对评价指标光泽a1,可以获得包含14个初始评价值的集合为{5.0,5.0,5.0,5.0,5.0,5.0,5.0,4.9,5.0,5.0,5.0,5.0,4.8,5.0},将初始评价值分别代入光泽的隶属度函数可以获得包含14个隶属度的犹豫模糊元为{1,1,1,1,1,1,1,0.98,1,1,1,1,0.96,1},计算第一个隶属度1与其他隶属度的相似度为T(1)=10×(1-|1-1|)+1-|1-0.98|+1-|1-0.96|=12.94,其他依次类推,获得14个隶属度与其他隶度的相似度分别是(12.94,12.94,12.94,12.94,12.94,12.94,12.94,12,74,12.94,12.94,12.94,12.94,12.5,12.94),则隶属度1的权重为隶属度0.98的权重为隶属度0.96的权重为/>最终获得评价指标a1下的加权犹豫模糊元为{<0.96,0.1152>,<0.98,0.1164>,<1,0.7684>}。
通过模糊处理转为加权犹豫模糊评价矩阵,如表2所示。
表2
再其次,首先计算不同加权犹豫模糊元之间的距离测度,最终获得距离矩阵Md。
例如计算与的距离测度
由于包含的元素个数为4,而/>包含的元素个数为3,为了计算方便,对/>添加/>中最大的隶属度1直至元素个数为4,并且相关的权重为0,添加后的数据变为
计算
其他依次类推。
求出矩阵Md中每行数之和分别为1.6684,1.3132,1.0406,1.2308,1.3792,1.0356,根据模型求得指标a1的权重为a2的权重为/>其他依次类推得到指标的权重为ω=(0.2176,0.1712,0.1357,0.1605,0.1799,0.1350)T。
最后,根据加权犹豫模糊幂加权平均算子对评价结果进行集结获得综合评价结果,然后计算相关的得分函数值为s(hw)=0.9839,因此综合评价结果为0.9839。
可见,本发明提供一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,将加权犹豫模糊思想引入感官质量评价中,采用加权犹豫模糊幂加权平均算子集结所有指标的评价结果,获得综合评价结果,然后依赖得分函数计算综合评价结果的期望,解决现有对卷烟感官质量评价指标的权重会随专家个人认识程度不同而产生差异的问题,能有效地保留了决策群体的不同意见,并有效地考虑了每一个评价意见的重要性程度,使卷烟感官评价结果更加符合实际情况。
以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果,以上所述仅为本发明的较佳实施例,但本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (7)
1.一种基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,包括:
获取卷烟评价指标,并获取各个评价者根据所述评价指标对评价对象所作的初始评价值;
对所述初始评价值进行模糊化处理转化为加权犹豫糊模元;
设置权重的约束条件,建立指标权重优化模型以确定各个评价指标的指标权重;
根据所述加权犹豫糊模元和所述指标权重,并通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值;
以所述得分函数值作为评价对象的卷烟感官质量评价依据;
所述对所述初始评价值进行模糊化处理转化为加权犹豫糊模元,包括:
首先针对评价对象,评价群体根据评价指标aj(j=1,2,L,n)给出了初始评价值集合其中/>代表初始评价值,lj代表集合包含初始评价值的个数;然后按照各个评价指标对应的隶属度函数将被评价对象在指标aj下的初始评价值/>转化为模糊数从而获得一个犹豫模糊元/>
根据幂加权的思想,在犹豫模糊元hj中的与其他隶属度越相似代表它的重要性就越大,确定任意一个γj权重为/>其中/>代表与其他隶属度的相似度;
进而获得加权犹豫模糊评价矩阵其中/>为加权犹豫模糊元;
所述建立指标权重优化模型以确定各个评价指标的指标权重,包括:
根据公式计算得到指标权重:
其中代表加权犹豫模糊元/>与的距离测度,Δ作为权重的约束条件,ωj代表评价指标aj的权重;
所述通过加权犹豫模糊幂集结算子集结评价对象在各个评价指标下的综合评价结果,计算该综合评价结果的得分函数值,包括:
采取加权犹豫模糊幂加权平均(WHFPWA)算子进行集结被评价对象x在各个指标下的评价结果,得到综合评价结果为:
其中代表加权犹豫模糊元hj w与其他所有加权犹豫模糊元的支持度之和,综合评价结果hw={<γλ,wλ>|λ=1,2,L,L};
计算hw的得分函数值其中得分函数值的范围为0≤s(hw)≤1,s(hw)代表综合评价结果hw的期望值。
2.根据权利要求1所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,所述卷烟评价指标包括:光泽、香气、谐调、杂气、刺激性和余味;
评价指标为光泽所对应的隶属度函数为:
其中,f1(x)为光泽隶属度函数,x为评价群体给出关于被评价对象在指标光泽上的初始评价值。
3.根据权利要求2所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,评价指标为香气所对应的隶属度函数为:
其中,f2(x)为香气隶属度函数,x为评价群体给出关于被评价对象在指标香气上的初始评价值。
4.根据权利要求3所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,评价指标为谐调所对应的隶属度函数为:
其中f3(x)为谐调隶属度函数,x为评价群体给出关于被评价对象在指标谐调上的初始评价值。
5.根据权利要求4所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,评价指标为杂气所对应的隶属度函数为:
其中f4(x)为杂气隶属度函数,x为评价群体给出关于被评价对象在指标杂气上的初始评价值。
6.根据权利要求5所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,评价指标为刺激性所对应的隶属度函数为:
其中f5(x)为刺激性隶属度函数,x为评价群体给出关于被评价对象在指标刺激性上的初始评价值。
7.根据权利要求6所述的基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法,其特征在于,评价指标为余味所对应的隶属度函数为:
其中f6(x)为余味隶属度函数,x为评价群体给出关于被评价对象在指标余味上的初始评价值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095895.0A CN110990782B (zh) | 2019-11-11 | 2019-11-11 | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911095895.0A CN110990782B (zh) | 2019-11-11 | 2019-11-11 | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110990782A CN110990782A (zh) | 2020-04-10 |
CN110990782B true CN110990782B (zh) | 2024-02-20 |
Family
ID=70083668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911095895.0A Active CN110990782B (zh) | 2019-11-11 | 2019-11-11 | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110990782B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523823A (zh) * | 2020-05-07 | 2020-08-11 | 云南中烟工业有限责任公司 | 一种隶属度函数确定多点生产卷烟标准样品的方法 |
CN113469565B (zh) * | 2021-07-21 | 2023-08-22 | 中国人民解放军国防科技大学 | 能力不可代偿机制下多功能装备方案选择方法及相关设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05143347A (ja) * | 1991-11-18 | 1993-06-11 | Hitachi Ltd | フアジイ決定問題に対する計算機支援方式 |
CN106841545A (zh) * | 2017-02-14 | 2017-06-13 | 蚌埠学院 | 基于改进模糊综合评判法的茶叶感官品质评价方法 |
CN107122195A (zh) * | 2017-05-08 | 2017-09-01 | 云南大学 | 主客观融合的软件非功能需求评价方法 |
CN107392556A (zh) * | 2017-09-15 | 2017-11-24 | 辽宁工程技术大学 | 基于三角犹豫模糊数应急物资储备库选址多属性决策方法 |
CN107862456A (zh) * | 2017-11-02 | 2018-03-30 | 江苏中烟工业有限责任公司 | 一种批次烟叶质量综合评价的方法 |
CN108304351A (zh) * | 2017-12-27 | 2018-07-20 | 广州唯品会研究院有限公司 | 一种织物触感信息传递方法 |
CN109242362A (zh) * | 2018-10-31 | 2019-01-18 | 重庆中烟工业有限责任公司 | 一种卷烟感官质量的评价方法和装置 |
CN110009250A (zh) * | 2019-04-13 | 2019-07-12 | 郑州航空工业管理学院 | 一种基于犹豫模糊语言的数字孪生车间质量评价方法 |
-
2019
- 2019-11-11 CN CN201911095895.0A patent/CN110990782B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05143347A (ja) * | 1991-11-18 | 1993-06-11 | Hitachi Ltd | フアジイ決定問題に対する計算機支援方式 |
CN106841545A (zh) * | 2017-02-14 | 2017-06-13 | 蚌埠学院 | 基于改进模糊综合评判法的茶叶感官品质评价方法 |
CN107122195A (zh) * | 2017-05-08 | 2017-09-01 | 云南大学 | 主客观融合的软件非功能需求评价方法 |
CN107392556A (zh) * | 2017-09-15 | 2017-11-24 | 辽宁工程技术大学 | 基于三角犹豫模糊数应急物资储备库选址多属性决策方法 |
CN107862456A (zh) * | 2017-11-02 | 2018-03-30 | 江苏中烟工业有限责任公司 | 一种批次烟叶质量综合评价的方法 |
CN108304351A (zh) * | 2017-12-27 | 2018-07-20 | 广州唯品会研究院有限公司 | 一种织物触感信息传递方法 |
CN109242362A (zh) * | 2018-10-31 | 2019-01-18 | 重庆中烟工业有限责任公司 | 一种卷烟感官质量的评价方法和装置 |
CN110009250A (zh) * | 2019-04-13 | 2019-07-12 | 郑州航空工业管理学院 | 一种基于犹豫模糊语言的数字孪生车间质量评价方法 |
Non-Patent Citations (1)
Title |
---|
魏翠萍 ; 葛淑娜 ; .犹豫模糊语言幂均算子及其在群决策中的应用.系统科学与数学.2016,第36卷(第8期),第1308-1317页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110990782A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485562B (zh) | 一种基于用户历史行为的商品信息推荐方法及系统 | |
CN108874959B (zh) | 一种基于大数据技术的用户动态兴趣模型建立方法 | |
CN107731304A (zh) | 一种身高预测方法及系统 | |
CN109325691A (zh) | 异常行为分析方法、电子设备及计算机程序产品 | |
CN107133436A (zh) | 一种多重抽样模型训练方法及装置 | |
CN111160425A (zh) | 一种基于神经网络的烤烟舒适性分类评价方法 | |
CN110990782B (zh) | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 | |
CN108898476A (zh) | 一种贷款客户信用评分方法和装置 | |
CN109636467A (zh) | 一种品牌的互联网数字资产的综合评估方法及系统 | |
CN101419209A (zh) | 卷烟感官评吸和烟气指标的免疫神经网络预测方法 | |
CN104809230A (zh) | 一种基于多分类器集成的卷烟感官质量评估方法 | |
CN109657962A (zh) | 一种品牌的声量资产的评估方法及系统 | |
CN110132879A (zh) | 一种基于近红外光谱的烤烟香韵鉴别方法 | |
CN114429245A (zh) | 一种工程造价数据的分析展示方法 | |
CN104376078A (zh) | 一种基于知识熵的异常数据检测方法 | |
CN115563484A (zh) | 一种基于生理唤醒识别的街道绿化品质检测方法 | |
CN111861667A (zh) | 车辆推荐方法及装置、电子设备、存储介质 | |
CN111680910A (zh) | 一种基于卷烟配方功效的烟叶适用范围定位方法 | |
CN108459997A (zh) | 基于深度学习和神经网络的高偏态数据价值概率预测方法 | |
GB2517358A (en) | Recommendation creation system | |
CN111028086A (zh) | 基于聚类与lstm网络的增强指数跟踪方法 | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
CN108133296B (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 | |
CN110321951A (zh) | 一种vr模拟飞行器训练评价方法 | |
CN109670914A (zh) | 一种基于时间动态特性的产品推荐方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230310 Address after: No.16 Yulin South Road, Zhengdong New District, Zhengzhou City, Henan Province Applicant after: CHINA TOBACCO HENAN INDUSTRIAL Co.,Ltd. Address before: No.16 Yulin South Road, Zhengdong New District, Zhengzhou City, Henan Province Applicant before: CHINA TOBACCO HENAN INDUSTRIAL Co.,Ltd. Applicant before: HENAN CENTER LINE ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |