CN112149988A - 一种基于层次分析法和熵权法的电力企业主数据识别方法 - Google Patents
一种基于层次分析法和熵权法的电力企业主数据识别方法 Download PDFInfo
- Publication number
- CN112149988A CN112149988A CN202010983477.1A CN202010983477A CN112149988A CN 112149988 A CN112149988 A CN 112149988A CN 202010983477 A CN202010983477 A CN 202010983477A CN 112149988 A CN112149988 A CN 112149988A
- Authority
- CN
- China
- Prior art keywords
- index
- score
- entity
- calculating
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 239000013598 vector Substances 0.000 claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000011157 data evaluation Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012558 master data management Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于层次分析法和熵权法的电力企业主数据识别方法,具体如下:步骤a.确定主数据评价指标;步骤b.确定候选实体;步骤c.基于评价指标与候选实体,建立层次模型;步骤d.基于选定的k个评价要素,结合专家评估认定的初步评分向量,构建指标评分判别矩阵Mevl;步骤e.对判别矩阵Mevl进行一致性检验,求解Mevl最大特征值对应的特征向量,基于特征向量获得指标权重向量WAHP;步骤f.对m个实体在k个指标评估分数,构成实体评分矩阵Mscore;g.基于Mscore计算各指标的均分和信息熵,基于均分和信息熵获得指标权重向量Wen;步骤h.通过加权法计算最终指标权重;步骤i.基于最终指标权重修正Mscore,计算实体总评分,进行排序,选取评分最高的若干实体作为主数据实体。
Description
技术领域
本发明涉及一种基于层次分析法和熵权法的电力企业主数据识别方法,属于电力数据环境下的主数据识别技术领域。
背景技术
实施主数据管理标准体系及策略方法,首要工作是要能从复杂的业务实体中,准确识别出哪些数据作为主数据。对于如何从众多基础业务数据中有效识别出主数据,目前缺乏合理的定量分析流程与有效的方法论指导,没有形成一套完整的主数据识别技术体系。大多数主数据管理案例仍采用经验的方式,主观确定主数据范围,随意性强,准确度差,因此,迫切的需要一种新的方案解决上述技术问题。
发明内容
本发明基于对已有案例研究分析,结合电力主数据的共性特点,提出一种基于层次分析法和熵权法的电力企业主数据识别方法,识别主数据流程为:首先确定主数据的界定指标;采用综合评价方法确定各指标权重;针对具体行业的业务实体进行评分;依据评分识别出若干业务实体作为最终主数据。
为解决上述技术问题,本发明采用的技术方案为:
一种基于层次分析法和熵权法的电力企业主数据识别方法,包括以下步骤:
步骤a.确定主数据评价指标。基于数据的共享程度与访问热度等特性,结合电力数据的特点,确定用于主数据筛选的k个指标;
步骤b.确定候选实体。将电力企业给定部门若干业务系统间共享的m个数据实体,作为候选实体;
步骤c.建立层次结构模型。层次结构模型分为三层,最高层为目标层,即“输出主数据实体”,中间层为步骤a选择的k个指标,最底层为候选实体;
步骤d.构造指标判别矩阵。基于k个评价指标的重要程度,专家评估初步评分,获得指标初步评分向量Xevl,对任意两个指标评分比较,获得指标评分判别矩阵Mevl;
步骤e.检验指标评分判别矩阵一致性,求解Mevl最大特征值对应的特征向量,处理后获得指标权重向量WAHP。对Mevl进行一致性检验,比较一致性比率CR与阈值threshold,若CR>threshold,需要调整专家评分;否则,计算判别矩阵的最大特征根对应的特征向量,基于特征向量计算指标权重向量,记为WAHP;步骤f.获取实体评分矩阵。分别对m个实体在k个指标评估分数,构成实体评分矩阵Mscore;
步骤g.基于Mscore计算各指标的均分与信息熵,基于均分与信息熵计算指标权重向量。基于Mscore分别计算每一个指标的均分与信息熵,基于各指标的均分与信息熵计算指标权重向量,记为Wen;
步骤h.通过加权法计算最终指标权重W。
步骤i.基于实体评分矩阵Mscore,通过最终指标权重W进行修正,计算各实体的总评分,根据总评分排序,选取评分较高的若干实体作为主数据实体。本发明提供一种基于层次分析法和熵权法的电力企业主数据识别方法,基于层次分析法与熵权法分别计算指标权重向量,加权处理获得最终指标权重向量,通过量化方式挑选电力企业主数据,为主数据的共享与管理提供指导。
其中,步骤a确定的k个指标至少包括:共享性、独立性、基础性、生命周期、价值等指标,可结合企业实际需求添加其它指标。
步骤c的层次结构模型总体分为三层:最高层为目标层,描述模型所解决的问题;中间层为指标层,描述参与实体评价的指标体系;最底层为实体层,描述候选实体集合;相邻层次之间存在依赖关系,指标层对实体层的所有候选实体评分,目标层综合指标层的评分选择合适的实体输出。
步骤d指标初步评分向量Xevl的格式为Xevl={x1,x2,…,xk},其中xi(0<i≤k)表示第i个指标的评分;指标评分判别矩阵Mevl的元素计算公式为aij=xi/xj,格式如下:
步骤e中一致性比率CR的计算公式如下:
其中一致性指标CI的计算方法如下,λmax为Mevl的最大特征值:
RI通过查表获得,常用平均随机一致性指标RI标准值如下表:
threshold取值范围是[0.05,0.5],通常设置为0.1。
步骤g,计算每个指标在所有实体评分的均分,第i个指标的均分记为ai;第i个指标下第j个实体的分数为xij,xij所占比重为第i个指标的信息熵计算方法为对k个指标的均分与信息熵处理之后获得指标权重向量Wen,
步骤h,设置参数α,计算最终权重向量W=αWAHP+(1-α)Wen,α∈[0.3,0.7]。
步骤i,假设Mscore中实体j的评分向量为Vscore={x1j,x2j,…,xkj},其中xij表示实体j在指标i的评分;基于最终权重向量W对Vscore修正,V′score=Vscore·W;实体j的最终评分
相对于现有技术,本发明的优点如下:该方案综合了层次分析法与熵权法的优点,以客观的方式确定指标体系权重向量。层次分析法允许专家首先对指标评分,根据指标评分判别矩阵检验一致性,获取指标权重向量;熵权法首先对候选实体集合在所有指标评分,根据评分离散程度决定指标的权重。层次分析法通过一致性校验的方法降低了专家评分主观性,熵权法从实体评分离散程度的角度确定指标权重,更加客观。综合两种方法,能够获得可靠的指标体系权重向量。基于层次分析法与熵权法获得的指标权重向量,计算实体评分的加权总分,能够准确地识别电力企业主数据实体。
附图说明
图1为本发明整体流程示意图;
图2为建立的层次结构模型示意图。
具体实施方式
以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1:本发明为电力企业管理数据需要,识别具有高共享、高独立、基础、生命周期长、高价值等特性的主数据实体,采用一种基于层次分析法和熵权法的电力企业主数据识别方法,包括以下步骤:
步骤一,确定主数据评价指标与候选实体,建立层次结构模型。基于数据的共享程度与访问热度等特性,结合电力数据的特点,确定用于主数据筛选的k个指标,至少包括:共享性、独立性、基础性、生命周期、价值,可结合企业实际需求添加其它指标(例如访问热度、结构复杂性等);从电力企业现有部门的共享数据中挑选最具有可能成为主数据的m个实体,作为候选实体;建立层次结构模型。层次结构模型分为三层,最高层为目标层,即“输出主数据实体”,中间层为步骤a选择的k个指标,最底层为候选实体。
例如选择6个指标,分别是共享性、独立性、基础性、生命周期、使用频率、价值,选择4个候选实体,分别是t1,t2,t3,t4。
步骤二、构造指标判别矩阵。基于k个评价指标的重要程度,专家评估初步评分,获得指标初步评分向量Xevl,对任意两个指标评分比较,获得指标评分判别矩阵Mevl;
例如对步骤一选择的6个指标,专家给出初步评分向量Xevl如下:
对应的指标评分判别矩阵Mevl如下:
步骤三、检验指标评分判别矩阵一致性,求解Mevl最大特征值对应的特征向量,处理后获得指标权重向量WAHP。对Mevl进行一致性检验,比较一致性比率CR与阈值threshold,若CR>threshold,需要调整专家评分;
一致性比率CR的计算公式如下:
其中一致性指标CI的计算方法如下,λmax为Mevl的最大特征值:
RI通过查表获得,常用平均随机一致性指标RI标准值如下表:
例如步骤二中获得的指标评分判别矩阵Mevl,通过计算,最大特征根λmax=6.4641,对应的特征向量为{0.5057,0.3702,0.3792,0.2528,0.5057,0.3792};查表获得RI=1.24, 假定设置threshold=0.1,CR<threshold,因此通过一致性校验,根据特征向量计算WAHP={0.21,0.15,0.16,0.11,0.21,0.16}。
步骤四、获取实体评分矩阵。分别对m个实体在k个指标评估分数,构成实体评分矩阵Mscore。
例如对于t1,t2,t3,t4分别在共享性、独立性、基础性、生命周期、使用频率、价值六个指标评估分数,构成的实体评分矩阵如下:
步骤五、基于Mscore计算各指标的均分与信息熵,基于均分与信息熵计算指标权重向量。基于Mscore分别计算每一个指标的均分与信息熵,基于各指标的均分与信息熵计算指标权重向量,记为Wen。计算每个指标在所有实体评分的均分,第i个指标的均分记为ai;第i个指标下第j个实体的分数为xij,xij所占比重为第i个指标的信息熵计算方法为对k个指标的均分与信息熵处理之后作为熵权法权重向量Wen,
基于步骤四的实体评分矩阵分别求解六个指标的评估均分与信息熵:计算各指标的评估均分:
共享性均分a1=8;
独立性均分a2=4;
基础性均分a3=5;
生命周期均分a4=4;
使用频率均分a5=6.75;
价值均分a6=5.25;
将实体评分矩阵转换为实体评分概率矩阵:
计算各指标的信息熵:
根据均分与信息熵计算得到权重向量Wen={0.25,0.13,0.15,0.12,0.20,0.15}
步骤六、通过加权法计算最终指标权重;设置参数α,计算最终权重向量W=αWAHP+(1-α)Wen,α∈[0.3,0.7]。
例如设置α=0.5,计算得到最终权重向量为:
W=0.5*WAHP+0.5*Wen={0.230,0.140,0.155,0.115,0.205,0.155}。
步骤七、基于最终指标权重修正Mscore,计算实体的总评分,根据总评分排序,选取评分最高的若干实体作为主数据实体。假设Mscore中实体j的评分向量为Vscore={x1j,x2j,…,xkj},其中xij表示实体j在指标i的评分;基于最终权重向量W对Vscore修正,V′score=Vscore·W;实体j的最终评分修正之后的实体评分矩阵及各实体的总分为:
假定需要输出候选实体中的前两个作为主数据实体,那么输出为t4与t2。
需要说明的是上述实施例仅仅是本发明的较佳实施例,并没有用来限定本发明的保护范围,在上述技术方案的基础上做出的等同替换或者替代,均属于本发明的保护范围。
Claims (8)
1.一种基于层次分析法和熵权法的电力企业主数据识别方法,其特征在于:所述方法包括以下步骤:
步骤a、确定主数据评价指标。基于数据的共享程度与访问热度等特性,结合电力数据的特点,确定用于主数据筛选的k个指标(k>0,k为整数);
步骤b、确定候选实体,将电力企业给定部门若干业务系统间共享的m个数据实体(m>1,m为整数),作为候选实体;
步骤c、建立层次结构模型;层次结构模型分为三层,最高层为目标层,即“输出主数据实体”,中间层为步骤a选择的k个指标,最底层为候选实体;
步骤d、构造指标判别矩阵,基于k个评价指标的重要程度,专家评估初步评分,获得指标初步评分向量Xevl,对任意两个指标评分比较,获得指标评分判别矩阵Mevl;
步骤e、检验指标评分判别矩阵一致性,求解Mevl最大特征值对应的特征向量,处理后获得指标权重向量WAHP。对Mevl进行一致性检验,比较一致性比率CR与阈值threshold,若CR>threshold,需要调整专家评分;否则,计算判别矩阵的最大特征根对应的特征向量,基于特征向量计算指标权重向量,记为WAHP;
步骤f、获取实体评分矩阵;分别对m个实体在k个指标评估分数,构成实体评分矩阵Mscore;
步骤g、基于Mscore计算各指标的均分与信息熵,基于均分与信息熵计算指标权重向量;基于Mscore分别计算每一个指标的均分与信息熵,基于各指标的均分与信息熵计算指标权重向量,记为Wen;
步骤h、通过加权法计算最终指标权重W;
步骤i、基于实体评分矩阵Mscore,通过最终指标权重W进行修正,计算各实体的总评分,根据总评分排序,选取评分较高的若干实体作为主数据实体。
2.根据权利要求1所述的一种基于层次分析法和熵权法的电力企业主数据识别方法,其特征在于:步骤a确定的k个指标至少包括:共享性、独立性、基础性、生命周期、价值等指标,可结合企业实际需求添加其它指标。
3.根据权利要求1所述的一种基于层次分析法和熵权法的电力企业主数据识别方法,其特征在于:步骤c建立的层次结构模型总体分为三层:最高层为目标层,描述模型所解决的问题;中间层为指标层,描述参与实体评价的指标体系;最底层为实体层,描述候选实体集合;相邻层次之间存在依赖关系,指标层对实体层的所有候选实体评分,目标层综合指标层的评分选择合适的实体输出。
7.根据权利要求1所述的一种基于层次分析法和熵权法的电力企业主数据识别方法,其特征在于:步骤h,设置参数α,计算最终权重向量W=αWAHP+(1-α)Wen,α∈[0.3,0.7]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010983477.1A CN112149988A (zh) | 2020-09-18 | 2020-09-18 | 一种基于层次分析法和熵权法的电力企业主数据识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010983477.1A CN112149988A (zh) | 2020-09-18 | 2020-09-18 | 一种基于层次分析法和熵权法的电力企业主数据识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112149988A true CN112149988A (zh) | 2020-12-29 |
Family
ID=73893128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010983477.1A Pending CN112149988A (zh) | 2020-09-18 | 2020-09-18 | 一种基于层次分析法和熵权法的电力企业主数据识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149988A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536225A (zh) * | 2021-06-30 | 2021-10-22 | 北京德风新征程科技有限公司 | 控制信息生成方法、装置、终端设备和计算机可读介质 |
CN113962335A (zh) * | 2021-12-22 | 2022-01-21 | 北京恒信启华信息技术股份有限公司 | 一种可灵活配置的数据全过程处理方法 |
CN114171139A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 压气机叶片选材方法 |
CN115457522A (zh) * | 2022-09-19 | 2022-12-09 | 北京联合大学 | 一种面向城市道路的驾驶行为安全评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902882A (zh) * | 2012-09-14 | 2013-01-30 | 安徽南瑞继远软件有限公司 | 一种信息系统运行质量的评价方法 |
CN107862455A (zh) * | 2017-11-02 | 2018-03-30 | 国网天津市电力公司 | 一种电力系统云平台建设的主客观混合评估方法 |
US20200282503A1 (en) * | 2018-08-28 | 2020-09-10 | Dalian University Of Technology | Comprehensive performance evaluation method for cnc machine tools based on improved pull-off grade method |
-
2020
- 2020-09-18 CN CN202010983477.1A patent/CN112149988A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902882A (zh) * | 2012-09-14 | 2013-01-30 | 安徽南瑞继远软件有限公司 | 一种信息系统运行质量的评价方法 |
CN107862455A (zh) * | 2017-11-02 | 2018-03-30 | 国网天津市电力公司 | 一种电力系统云平台建设的主客观混合评估方法 |
US20200282503A1 (en) * | 2018-08-28 | 2020-09-10 | Dalian University Of Technology | Comprehensive performance evaluation method for cnc machine tools based on improved pull-off grade method |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536225A (zh) * | 2021-06-30 | 2021-10-22 | 北京德风新征程科技有限公司 | 控制信息生成方法、装置、终端设备和计算机可读介质 |
CN114171139A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 压气机叶片选材方法 |
CN113962335A (zh) * | 2021-12-22 | 2022-01-21 | 北京恒信启华信息技术股份有限公司 | 一种可灵活配置的数据全过程处理方法 |
CN113962335B (zh) * | 2021-12-22 | 2022-04-12 | 北京恒信启华信息技术股份有限公司 | 一种可灵活配置的数据全过程处理方法 |
CN115457522A (zh) * | 2022-09-19 | 2022-12-09 | 北京联合大学 | 一种面向城市道路的驾驶行为安全评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149988A (zh) | 一种基于层次分析法和熵权法的电力企业主数据识别方法 | |
CN112949837B (zh) | 一种基于可信网络的目标识别联邦深度学习方法 | |
CN108537600A (zh) | 一种电力市场运行评价方法及计算设备 | |
Kumar et al. | Measuring the security attributes through fuzzy analytic hierarchy process: Durability perspective | |
CN106549826A (zh) | 智能变电站交换机网络性能测试评估方法 | |
CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
CN114444910A (zh) | 一种面向电力物联网的边缘网络系统健康度评估方法 | |
CN114091791B (zh) | 一种基于改进dea的ahp的物流绩效评估方法 | |
CN115660170A (zh) | 多维指标权重协同优化的数据资产管理成效差异化评估方法和系统 | |
CN114626655A (zh) | 一种区域综合能源系统多标准综合评价方法 | |
CN114298659A (zh) | 评价对象指标的数据处理方法、装置、计算机设备 | |
CN117709803A (zh) | 产业链健康度的确定方法及装置 | |
CN109685133A (zh) | 基于构建的预测模型低成本、高区分度的数据分类方法 | |
CN112116238A (zh) | 一种基于指标权重体系设计的满意度评估方法 | |
CN111967731A (zh) | 一种质量管理经营体系量化评价方法 | |
CN115860526A (zh) | 一种基于综合模糊评估的通信网络综合效能评估方法 | |
CN108023781A (zh) | 一种对ip网络变更的风险进行分析的方法 | |
CN114298614A (zh) | 基于改进ahp的数据元件质量动态评估方法及设备 | |
Li et al. | Early warning model of credit risk for family farms and ranches in Inner Mongolia based on Probit regression-Kmeans clustering | |
CN114021905A (zh) | 一种中小企业信用风险评价方法 | |
CN113962327A (zh) | 数据分类方法、装置及电子设备 | |
CN113435734A (zh) | 一种发电企业交易行为画像的标签构建方法 | |
CN112686525B (zh) | 一种机电系统phm体系的综合评估方法 | |
CN111080053B (zh) | 一种基于ehf-was的电网发展策略效率效益评估方法 | |
Ma | Determining Importance Weights for Engineering Characteristics in QFD Considering the Correlations Under Uncertainties |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |