CN112686325A - 一种基于灰度包络的水下目标搜索方案评估决策方法 - Google Patents

Abstract

本发明公开了一种基于灰度包络的水下目标搜索方案评估决策方法，包括以下步骤：步骤1、输入搜索方案集合，其中，包括搜索方案中的传感器种类、性能参数以及浮标信息；步骤2、将集合中不同方案组合按照时效性、探测能力、隐蔽性、经济性、可操作性，五个维度进行匹配；步骤3、基于步骤2，分别给出五个维度的聚类灰度C；步骤4、确定聚类灰度C的白化函数f(x)；通过设置利用灰色系统介入评估决策方法中，能够对水下目标的搜索方法的非量化指标进行黑箱操作，使得本发明能够根据操作人员的主观能动性进行量化指标的优化处理，选出最适合操作人员的最优化方案，增强方案的可执行性及人性化。

Description

一种基于灰度包络的水下目标搜索方案评估决策方法

技术领域

本发明涉及水下目标搜索方案评估决策技术领域，具体为一种基于灰度包络的水下目标搜索方案评估决策方法。

背景技术

随着海洋不断地被开发利用，水下目标的搜索成为了一个比较热门的领域，从水下生物的搜索到水下航行器搜索，水下目标搜索的方式五花八门，方案多种多样，对于搜索方案的好坏没有一个统一的标准，而效果差的搜索方案极易造成资源的浪费，且无法完成既定的搜索任务，导致整个搜索任务的失败，目前的水下目标搜索方案的评估方法没有统一的评价体系，都是根据具体的应用而设计的，不具有通用性，且现有评估方法中缺少对水下目标搜索方案的评估方法的系统性设计，难以满足对水下航行目标搜索方案的评估，同时无法与制定搜索方案的操作人员的需求建立联动，导致评估方法得到的方案不满足需求。

发明内容

本发明的目的在于提供一种基于灰度包络的水下目标搜索方案评估决策方法，具备灰色系统来对复杂的水下目标搜索方案进行黑箱式评估决策，建立初步的明确指标，指标明确后利用包络分析方法建立线性模型对方案进行评估打分，同时建立操作人员偏好度影响系统，以满足操作人员本身偏好的优点，解决了现有技术中的问题。

为实现上述目的，本发明提供如下技术方案：一种基于灰度包络的水下目标搜索方案评估决策方法，包括以下步骤：

步骤1、输入搜索方案集合，其中，包括搜索方案中的传感器种类、性能参数以及浮标信息；

步骤2、将集合中不同方案组合按照探测能力、隐蔽性、经济性、可操作性，五个维度进行匹配，其中，根据不同方案在搜索过程中的探测能力，对方案的探测能力进行定量，即对搜索方案的探测概率进行计算，给出搜索方案的隐蔽性隶属度为：R₁，R₁为不同方案与评价因子之间的关系，进行探测能力维度匹配；

根据不同方案在搜索过程中的隐蔽能力，对方案的隐蔽性进行定量，即在[0，1]区间内，按照越接近“1”隐蔽性越好，给出搜索方案的隐蔽性隶属度为：R₂，R₂为不同方案与评价因子之间的关系，进行隐蔽性维度匹配；

根据不同方案的可操作性，对可操作性进行定量分析，定义在[0，1]区间内按照越接近“1”可操作性越高，否则可操作性越低，给出搜索方案的可操作性隶属度为：R₃，R₃为不同方案与评价因子之间的关系，进行可操作性维度匹配；

根据未使用的资源占总资源的比例定义经济性，经济性量化后的数值在[0，1]区间内，其中经济性越接近于“1”，使用资源越少，经济性越好，给出搜索方案的经济隶属度为：R₄；

根据不同方案探测到目标的时间定义时效性，探测时间越短时效性越高，探测时间越长，时效性越低，给出搜索方案的时效性隶属度为：R₅；

基于探测能力、隐蔽性、可操作性、经济性和时效性维度匹配后的不同方案形成评价方案，所述评价方案因素集为：R＝{探测能力，隐蔽性，可操作性，经济性，时效性}＝{R₁，R₂，R₃，R₄，R₅}；

步骤3、基于步骤2，分别给出五个维度的聚类灰度C，各个维度的聚类灰度C均采用以下灰色系统评价方法，包括以下步骤，

第一步，选择评价指标体系(p个指标，n个方案)，给出聚类灰类C_j(j＝1，2，....，m)，C_j＝R_j，并记录第i单位第j指标的实际值为：x_ij(i＝1，2，...n；j＝1，2，...，p)；

第二步，确定灰类的白化函数f_κj(x)(k＝1，2，...，p；j＝1，2，...，m)，其中，f_κj(x)表示第k指标隶属于第j灰类的程度，被称为“灰数

的白化函数”，所述聚类灰度C的白化函数的位置、形状与灰数系数j成非线性函数关系；

步骤4、根据聚类灰度C的白化函数f(x)，通过指定聚类权重计算聚类系数b，得到聚类向量，其中，指定聚类权重计算公式为：

以上公式中，η_ij表示第j灰类第i指标的权重，即η_ij、η_2j、η_3j、...、η_ρj构成了p个指标关于某灰类的权重，λ_ij为第i指标第j灰类白化函数取1时对应的x_ij的值；

当在多指标综合评价中出现各指标的量纲不完全相同时，需要对上述λ_ij进行同度量化处理之后再计算聚类系数b，所述λ_ij的同度量化通过“均值法”或“极值法”处理，即取指定聚类权重为：

其中，o_i＝第i个单位的实际值/

计算聚类系数b的具体方法为：将白化函数值记为R＝(f_kj(x))_pxm，并记聚类向量为B＝(b₁ b₂ b₃ ... b_m)，记第j灰类的权向量为w^(j)＝(w₁ w₂ ... w_ρ)，对于标定聚类权重，得出w(j)＝(η_1j η_2j ... η_ρj)，则第i类的聚类系数为：

转换成矩阵形式为：B＝w^(j)R；

步骤5、进行数据聚类，根据聚类向量中不同聚类系数对数据聚类；

步骤6、将聚类数据进行点值转化，进行综合评价排序；

步骤7、基于步骤6，得到灰度系统最优方案并取得该灰度系统最优方案所对应的方案集合，其中，若取得的方案集合数为1，则直接输出该最优方案；

步骤8、基于步骤7，若取得的方案集合数不为1，将该灰度系统最优方案所对应的方案集合数据输入建立包络分析DEA输入/输出矩阵；

步骤9、基于步骤8，输入操作人员的偏好参数，建立偏好包络分析模型；

步骤10、根据概率最大原则和传感器数量最小原则选择灰度系统最优方案，其中，概率最大原则为进行不同方案的探测概率进行对比，选择探测概率最大的方案为最优方案；传感器数量最小原则为进行不同方案的传感器数量进行对比，选择传感器数量最小的方案为最优方案；

步骤11、输出最优方案，所述步骤11中输出最优方案具体方法为：

S1.输入浮标数量N，个人偏好期望p(0≤p≤1)，偏好标准差e(0≤e≤1)，偏好权重k(0≤k)，布阵时间T；

S2.建立包络分析模型，其中，具体的包络分析模型如下：

其中，θ，s0，s1，s2，λ_j为参数变量，ε为非阿基米德无穷小量，P_j为搜索概率；

S3、求解2中包络分析模型最优解，如果包络分析模型最优解为θ＝0，s1＝0，s2＝0，s3＝0，即为DEA有效。

作为对本发明中所述一种基于灰度包络的水下目标搜索方案评估决策方法的改进，所述DEA与输出最优方案关系为：

根据DEA有效个数m，若m＝0，则选择第一个方案为最优，若m＝1，则该方案为最优，若m＞1，则根据步骤10来选择最优方案。

作为对本发明中所述一种基于灰度包络的水下目标搜索方案评估决策方法的改进，基于步骤1，搜索方案集合中的传感器种类包括：潜艇的不同状态：

Si∈S(i＝1，2，...，5)，反潜巡逻飞机通常使用声呐浮标(S)、磁探仪(M)、搜索雷达(R)、红外搜索仪(I)和电子支援系统搜索设备(E)；

性能参数包括：有效作用距离，其中，有效作用距离与目标特性、大气、海洋水文环境条件因素有关。

作为对本发明中所述一种基于灰度包络的水下目标搜索方案评估决策方法的改进，基于步骤4中，若有b_c＝max{b_j，j＝1，2，...，m)，其中，b_j为聚类系数，b_c为最大聚类系数，则将此聚类数据判别为“C灰类”。

作为对本发明中所述一种基于灰度包络的水下目标搜索方案评估决策方法的改进，基于步骤6，聚类数据进行点值转化的公式为：

其中，t_j表示第j灰类的“灰水平”赋值，y表示点值，根据点值y的进行综合评价排序。

与现有技术相比，本发明的有益效果如下：

1.通过设置利用灰色系统介入评估决策方法中，能够对水下目标的搜索方法的非量化指标进行黑箱操作，实现评价指标量化处理，同时通过包络分析法及偏好系统的加入，使得本发明能够根据操作人员的主观能动性进行量化指标的优化处理，选出最适合操作人员的最优化方案，增强方案的可执行性及人性化。

附图说明

图1为本发明一种基于灰度包络的水下目标搜索方案评估决策方法的整体流程架构示意图。

图2为本发明的一个实施例中企业经济效益进行综合评价时的白化函数示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

本发明，一种基于灰度包络的水下目标搜索方案评估决策方法，如图1所示，包括以下步骤：

步骤1、输入搜索方案集合，其中，包括搜索方案中的传感器种类、性能参数以及浮标信息，其中，基于步骤1，搜索方案集合中的传感器种类包括：潜艇的不同状态：Si∈S(i＝1，2，...，5)，反潜巡逻飞机通常使用声呐浮标(S，Sonar)、磁探仪(M，Magnetic detector)、搜索雷达(R，Radar)、红外搜索仪(I，Infrared)和电子支援系统搜索设备(E，Electronicsupport system search device)；

性能参数包括：有效作用距离，其中，有效作用距离与目标特性、大气、海洋水文环境条件因素有关，例如，声纳浮标的作用距离取决于潜艇的噪声等级、水文条件和海洋环境噪声、接收机的灵敏度；雷达的作用距离与目标雷达反射截面、发射脉冲能量、天线特性等因素有关；红外探测仪和磁探仪同样也与目标特性因素有关；

步骤2、将集合中不同方案组合按照探测能力、隐蔽性、经济性、可操作性，五个维度进行匹配，其中，根据不同方案在搜索过程中的探测能力，对方案的探测能力进行定量，即对搜索方案的探测概率进行计算，给出搜索方案的隐蔽性隶属度为：R₁，其中，R₁为不同方案与评价因子之间的关系，进行探测能力维度匹配；

根据不同方案在搜索过程中的隐蔽能力，对方案的隐蔽性进行定量，即在[0，1]区间内，按照越接近“1”隐蔽性越好，给出搜索方案的隐蔽性隶属度为：R₂，R₂为不同方案与评价因子之间的关系，进行隐蔽性维度匹配；

根据不同方案的可操作性，对可操作性进行定量分析，定义在[0，1]区间内按照越接近“1”可操作性越高，否则可操作性越低，给出搜索方案的可操作性隶属度为：R₃，R₃为不同方案与评价因子之间的关系，进行可操作性维度匹配；

根据未使用的资源占总资源的比例定义经济性，经济性量化后的数值在[0，1]区间内，其中经济性越接近于“1”，使用资源越少，经济性越好，给出搜索方案的经济隶属度为：R₄；

根据不同方案探测到目标的时间定义时效性，探测时间越短时效性越高，探测时间越长，时效性越低，给出搜索方案的时效性隶属度为：R₅；

基于探测能力、隐蔽性、可操作性、经济性和时效性维度匹配后的不同方案形成评价方案，评价方案因素集为：R＝{探测能力，隐蔽性，可操作性，经济性，时效性}＝{R₁，R₂，R₃，R₄，R₅}；

步骤3、基于步骤2，分别给出五个维度的聚类灰度C，其中，基于步骤3，聚类灰度C均采用灰色系统评价方法，即，

第一步，选择评价指标体系(p个指标，n个方案)，给出聚类灰类C_J(j＝1，2，...，m)，并记录第i单位第j指标的实际值为：x_ij(i＝1，2，...n；j＝1，2，...，p)；

第二步，确定灰类的白化函数f_κj(x)(k＝1，2，...，p；j＝1，2，...，m)，其中，f_κj(对表示第k指标隶属于第j灰类的程度，被称为“灰数

的白化函数”，目前人们实践中应用最多的白化函数是“梯度函数”或“三角函数”，且上述二者是对称的，但事实上可以采用非对称的非线性的“白化函数”，其中，聚类灰度C的白化函数的位置、形状与灰数系数j成非线性函数关系，在对于白化函数确定时需要先确定每一指标先后对于每一灰类的“灰数”，即白化函数的有关临界点，例如，在对企业经济效益进行综合评价时，取四个“灰类”：好、较好、中等、差，又设定资金利税率指标20％以上为“好”、15％左右为“较好”、10％左右为“中等”、5％以下为“差”，则关于资金利税率指标的四个“灰数”为：

灰类“好”的灰数

为“20％以上”；

灰类“较好”的灰数

为“15％左右”；

灰类“中等”的灰数

为“10％左右”；

灰类“差”的灰数

为“5％以下”；

于是就可以给出非对称的“三角函数”白化函数或非线性白化函数，如图2所示，在同一坐标系中，四个灰类的白化函数与模糊隶属函数对比；

步骤4、确定聚类灰度C的白化函数f(x)，基于步骤3完成后，通过指定聚类权重计算聚类系数b，其中，指定聚类权重计算公式为：

以上公式中，η_ij表示第j灰类第i指标的权重，即η_ij、η_2j、η_3j、...、η_ρj构成了p个指标关于某灰类的权重；其中，η_1j+η_2j+...+η_ρj＝1，λ_ij为第i指标第j灰类白化函数取1时，即“顶点”所对应的x_ij值，当白化函数为尖顶形时，如图2所示，每一指标每一灰类的λ_ij是唯一确定的，但当白化函数为平顶时，取其上限值为λ_ij；

当在多指标综合评价中出现各指标的量纲不完全相同时，需要对上述λ_ij进行同度量化处理之后再计算聚类系数b，λ_ij的同度量化通过“均值法”或“极值法”处理，即取指定聚类权重为：

其中，o_i＝第i个单位的实际值/

步骤5、计算聚类系数b，得到聚类向量，其中，计算聚类系数b的具体方法为：将白化函数值记为R＝(f_κj(x))ρκm，并记聚类向量为B＝(b₁ b₂ b₃ ... b_m)，记第j灰类的权向量为w^(j)＝(w₁ w₂ ... w_ρ)，对于标定聚类权重，得出w^(j)＝(η_1j η_2j ... η_ρj)，则第i类的聚类系数为：

转换成矩阵形式为：B＝w^(j)R；若有b_c＝max{b_j，j＝1，2，...，m)，则将此聚类数据判别为“C灰类”；

步骤6、进行数据聚类，根据聚类向量中不同聚类系数对数据聚类；

步骤7、将聚类数据进行点值转化，进行综合评价排序，其中，基于步骤6，聚类数据进行点值转化的公式为：

其中，t_j表示第j灰类的“灰水平”赋值，y表示点值，根据点值y的进行综合评价排序；

步骤8、基于步骤7，得到灰度系统最优方案并取得该灰度系统最优方案所对应的方案集合，其中，若取得的方案集合数为1，则直接输出该最优方案；

步骤9、基于步骤8，若取得的方案集合数不为1，将该灰度系统最优方案所对应的方案集合数据输入建立包络分析DEA(Data Envelopment Analysis)输入/输出矩阵；

步骤10、基于步骤9，输入操作人员的偏好参数，建立偏好包络分析模型；

步骤11、根据概率最大原则和传感器数量最小原则选择灰度系统最优方案，其中，概率最大原则为进行不同方案的探测概率进行对比，选择探测概率最大的方案为最优方案；传感器数量最小原则为进行不同方案的传感器数量进行对比，选择传感器数量最小的方案为最优方案；

步骤11中输出最优方案具体方法为：

S1.输入浮标数量N，个人偏好期望p(0≤p≤1)，偏好标准差e(0≤c≤1)，偏好权重k(0≤k)，布阵时间T；

S2.建立包络分析模型，其中，具体的包络分析模型如下：

其中，θ，s0，s1，s2，λ_j为参数变量，ε为非阿基米德无穷小量，P_j为搜索概率；

S3.求解2中包络分析模型最优解，如果包络分析模型最优解为θ＝0，s1＝0，s2＝0，s3＝0，即为DEA(Data Envelopment Analysis)有效，其中，DEA(Data EnvelopmentAnalysis)与输出最优方案关系为：

根据DEA(Data Envelopment Analysis)有效个数m，若m＝0，则选择第一个方案为最优，若m＝1，则该方案为最优，若m＞1，则根据步骤11来选择最优方案；

步骤12、输出最优方案，通过设置利用灰色系统介入评估决策方法中，能够对水下目标的搜索方法的非量化指标进行黑箱操作，实现评价指标量化处理，同时通过包络分析法及偏好系统的加入，使得本发明能够根据操作人员的主观能动性进行量化指标的优化处理，选出最适合操作人员的最优化方案，增强方案的可执行性及人性化。

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，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于灰度包络的水下目标搜索方案评估决策方法，包括以下步骤：

步骤1、输入搜索方案集合，其中，包括搜索方案中的传感器种类、性能参数以及浮标信息；

步骤2、将集合中不同方案组合按照探测能力、隐蔽性、经济性、可操作性，五个维度进行匹配，其中，根据不同方案在搜索过程中的探测能力，对方案的探测能力进行定量，即对搜索方案的探测概率进行计算，给出搜索方案的隐蔽性隶属度为R₁，R₁为不同方案与评价因子之间的关系，进行探测能力维度匹配；

根据不同方案在搜索过程中的隐蔽能力，对方案的隐蔽性进行定量，即在[0，1]区间内，按照越接近“1”隐蔽性越好，给出搜索方案的隐蔽性隶属度为R₂，R₂为不同方案与评价因子之间的关系，进行隐蔽性维度匹配；

根据不同方案的可操作性，对可操作性进行定量分析，定义在[0，1]区间内按照越接近“1”可操作性越高，否则可操作性越低，给出搜索方案的可操作性隶属度为R₃，R₃为不同方案与评价因子之间的关系，进行可操作性维度匹配；

根据未使用的资源占总资源的比例定义经济性，经济性量化后的数值在[0，1]区间内，其中经济性越接近于“1”，使用资源越少，经济性越好，给出搜索方案的经济隶属度为：R₄；

根据不同方案探测到目标的时间定义时效性，探测时间越短时效性越高，探测时间越长，时效性越低，给出搜索方案的时效性隶属度为R₅；

基于探测能力、隐蔽性、可操作性、经济性和时效性维度匹配后的不同方案形成评价方案，所述评价方案因素集为：R＝{探测能力，隐蔽性，可操作性，经济性，时效性}＝{R₁，R₂，R₃，R₄，R₅}；

步骤3、基于步骤2，分别给出五个维度的聚类灰度C，各个维度的聚类灰度C均采用以下灰色系统评价方法，包括以下步骤，

第一步，选择评价指标体系(p个指标，n个方案)，给出聚类灰类C_j(j＝1，2，....，m)，C_j＝R_j，并记录第i单位第j指标的实际值为；x_ij(i＝1，2，…n；j＝1，2，…，p)；

第二步，确定灰类的白化函数f_κj(x)(k＝1，2，…，p；j＝1，2，…，m)，其中，f_κj(x)表示第k指标隶属于第j灰类的程度，被称为“灰数

的白化函数”，所述聚类灰度C的白化函数的位置、形状与灰数系数j成非线性函数关系；

步骤4、根据聚类灰度C的白化函数f(x)，通过指定聚类权重计算聚类系数b，得到聚类向量，其中，指定聚类权重计算公式为：

以上公式中，η_ij表示第j灰类第i指标的权重，即η_ij、η_2j、η_3j、…、η_ρj构成了p个指标关于某灰类的权重，λ_ij为第i指标第j灰类白化函数取1时对应的x_ij的值；

当在多指标综合评价中出现各指标的量纲不完全相同时，需要对上述λ_ij进行同度量化处理之后再计算聚类系数b，所述λ_ij的同度量化通过“均值法”或“极值法”处理，即取指定聚类权重为：

其中，

计算聚类系数b的具体方法为：将白化函数值记为R＝(f_kj(x))_pxm，并记聚类向量为B＝(b₁ b₂ b₃…b_m)，记第j灰类的权向量为w^(j)＝(w₁ w₂…w_ρ)，对于标定聚类权重，得出w^(j)＝(η_1j η_2j … η_ρj)，则第i类的聚类系数为：

转换成矩阵形式为：B＝w^(j)R；

步骤5、进行数据聚类，根据聚类向量中不同聚类系数对数据聚类；

步骤6、将聚类数据进行点值转化，进行综合评价排序；

步骤7、基于步骤6，得到灰度系统最优方案并取得该灰度系统最优方案所对应的方案集合，其中，若取得的方案集合数为1，则直接输出该最优方案；

步骤8、基于步骤7，若取得的方案集合数不为1，将该灰度系统最优方案所对应的方案集合数据输入建立包络分析DEA输入/输出矩阵；

步骤9、基于步骤8，输入操作人员的偏好参数，建立偏好包络分析模型；

步骤10、根据概率最大原则和传感器数量最小原则选择灰度系统最优方案，其中，概率最大原则为进行不同方案的探测概率进行对比，选择探测概率最大的方案为最优方案；传感器数量最小原则为进行不同方案的传感器数量进行对比，选择传感器数量最小的方案为最优方案；

步骤11、输出最优方案，所述步骤11中输出最优方案具体方法为：

S1.输入浮标数量N，个人偏好期望p(0≤p≤1)，偏好标准差e(0≤e≤1)，偏好权重k(0≤k)，布阵时间T；

S2.建立包络分析模型，其中，具体的包络分析模型如下：

其中，θ，s0，s1，s2，λ_j为参数变量，ε为非阿基米德无穷小量，P_j为搜索概率；

S3、求解2中包络分析模型最优解，如果包络分析模型最优解为θ＝0，s1＝0，s2＝0，s3＝0，即为DEA有效。

2.根据权利要求1所述的一种基于灰度包络的水下目标搜索方案评估决策方法，其特征在于：

所述DEA与输出最优方案关系为：

根据DEA有效个数m，若m＝0，则选择第一个方案为最优，若m＝1，则该方案为最优，若m＞1，则根据步骤10来选择最优方案。

3.根据权利要求1所述的一种基于灰度包络的水下目标搜索方案评估决策方法，其特征在于：

基于步骤1，搜索方案集合中的传感器种类包括：

潜艇的不同状态：Si∈S(i＝1，2，…，5)，反潜巡逻飞机通常使用声呐浮标(S)、磁探仪(M)、搜索雷达(R)、红外搜索仪(I)和电子支援系统搜索设备(E)；

性能参数包括：有效作用距离，其中，有效作用距离与目标特性、大气、海洋水文环境条件因素有关。

4.根据权利要求1所述的一种基于搜索引擎关键词数据的行业数据分析平台，其特征在于：基于步骤4中，若有b_c＝max{b_j，j＝1，2，...，m)，其中，b_j为聚类系数，b_c为最大聚类系数，则将此聚类数据判别为“C灰类”。

5.根据权利要求1所述的一种基于搜索引擎关键词数据的行业数据分析平台，其特征在于：基于步骤6，聚类数据进行点值转化的公式为：

其中，t_j表示第j灰类的“灰水平”赋值，y表示点值，根据点值y的进行综合评价排序。

Images