[發(fā)明專(zhuān)利]基于TOPSIS的支持向量機(jī)方案評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510068225.5
• 申請(qǐng)日: 2015-02-09
• 公開(kāi)（公告）號(hào): CN104657779A
• 公開(kāi)（公告）日: 2015-05-27
• 發(fā)明（設(shè)計(jì)）人: 陳秉智;李永華;李金穎
• 申請(qǐng)（專(zhuān)利權(quán)）人: 大連交通大學(xué)
• 主分類(lèi)號(hào): G06Q10/00
• 分類(lèi)號(hào): G06Q10/00
• 代理公司: 大連東方專(zhuān)利代理有限責(zé)任公司 21212
• 代理人: 李洪福

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于TOPSIS的支持向量機(jī)方案評(píng)估方法，特別是針對(duì)費(fèi)用數(shù)據(jù)信息缺乏的產(chǎn)品研制階段費(fèi)用估算方案。

背景技術(shù)

隨著科技的發(fā)展，社會(huì)的進(jìn)步，在一個(gè)項(xiàng)目開(kāi)始之前，對(duì)費(fèi)用估算成為一個(gè)必不可少的環(huán)節(jié)。然而在產(chǎn)品研制階段，尤其是新研制某種產(chǎn)品時(shí)，可利用的費(fèi)用數(shù)據(jù)是很少的，此時(shí)人們會(huì)根據(jù)現(xiàn)有經(jīng)驗(yàn)給出很多個(gè)費(fèi)用估算方案，而如何判斷某一個(gè)方案是合理的、最優(yōu)的，則需要使用方案評(píng)估方法。研制階段是一個(gè)項(xiàng)目的指導(dǎo)方針，因此，方案評(píng)估的準(zhǔn)確程度的要求也是很苛刻的，因?yàn)閷?duì)每一個(gè)方案進(jìn)行評(píng)估時(shí)有任何的誤判，都可能導(dǎo)致重大的經(jīng)濟(jì)損失，這樣的案例，在國(guó)內(nèi)舉不勝舉。

目前國(guó)內(nèi)外針對(duì)方案評(píng)估方法有很多，如：層次分析法、灰色理論法、熵權(quán)法、主成分分析法、神經(jīng)網(wǎng)絡(luò)法、TOPSIS法和支持向量機(jī)法。但到目前為止，每一種方法都存在某種不足之處，如：層次分析法及主成分分析法對(duì)特征根及特征向量的求解復(fù)雜；灰色理論法及熵權(quán)法需要經(jīng)過(guò)繁瑣的計(jì)算求得指標(biāo)權(quán)重；神經(jīng)網(wǎng)絡(luò)法容易陷入局部最優(yōu)，甚至無(wú)法得到最優(yōu)解；TOPSIS法在確定屬性?xún)?yōu)、劣值時(shí)，存在一定的主觀性；支持向量機(jī)法回歸預(yù)測(cè)的目標(biāo)函數(shù)的建立困難。

在這種背景下，本發(fā)明專(zhuān)利采取了一種新的綜合方法，即首先根據(jù)專(zhuān)家的經(jīng)驗(yàn)對(duì)費(fèi)用因子進(jìn)行估算，然后利用支持向量機(jī)法機(jī)器學(xué)習(xí)的特性來(lái)協(xié)調(diào)TOPSIS在選取屬性?xún)?yōu)、劣值時(shí)存在的主觀性，并將TOPSIS方法中的貼近度函數(shù)作為支持向量機(jī)中回歸預(yù)測(cè)的目標(biāo)函數(shù)，二者互補(bǔ)，得到一種相對(duì)較優(yōu)的方案評(píng)估方法。

支持向量機(jī)和TOPSIS方法均可以對(duì)方案進(jìn)行評(píng)估，目前為止，已有很多單獨(dú)使用的支持向量機(jī)或TOPSIS方法進(jìn)行方案評(píng)估的相關(guān)專(zhuān)利，如：

(1)發(fā)明專(zhuān)利“一種數(shù)控裝備性能可靠性評(píng)估方法”，該專(zhuān)利是利用最小二乘法擬合性能參數(shù)分布類(lèi)型，并判斷其擬合程度；然后采用多元支持向量回歸機(jī)訓(xùn)練得到以時(shí)間和性能參數(shù)分布的統(tǒng)計(jì)特征為輸入和輸出的最優(yōu)非線性回歸函數(shù)，即性能參數(shù)分布的統(tǒng)計(jì)特征隨時(shí)間變化的函數(shù)，進(jìn)而性能參數(shù)的概率密度函數(shù)，從而得到數(shù)控裝備的可靠度。

(2)發(fā)明專(zhuān)利“基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法”，該發(fā)明公開(kāi)了一種基于核函數(shù)優(yōu)化的支持向量機(jī)太陽(yáng)翼展開(kāi)可靠性評(píng)估方法，包括：根據(jù)專(zhuān)家知識(shí)建立太陽(yáng)翼展開(kāi)可靠性綜合評(píng)價(jià)指標(biāo)體系；采用物元法和層次分析法得到評(píng)價(jià)指標(biāo)體系的權(quán)向量；由專(zhuān)家對(duì)影響太陽(yáng)翼展開(kāi)的諸因素測(cè)量值評(píng)分，將評(píng)分結(jié)果視為樣本數(shù)據(jù)；由程序自動(dòng)選取支持向量機(jī)SVM核函數(shù)及其參數(shù)值，構(gòu)建訓(xùn)練模型；使用交叉驗(yàn)證來(lái)檢驗(yàn)核函數(shù)及其參數(shù)是否需要進(jìn)行微調(diào)；用檢測(cè)樣本來(lái)驗(yàn)證所建模型，對(duì)太陽(yáng)翼展開(kāi)可靠性作出評(píng)估。

(3)發(fā)明專(zhuān)利“一種電能質(zhì)量綜合評(píng)估的方法”，該發(fā)明公開(kāi)了一種運(yùn)用灰色關(guān)聯(lián)系數(shù)矩陣的TOPSIS法對(duì)電能質(zhì)量綜合評(píng)估的方法，將各時(shí)段電能質(zhì)量數(shù)據(jù)與各等級(jí)標(biāo)準(zhǔn)數(shù)據(jù)作為原始決策矩陣；改進(jìn)AHP法確定主觀權(quán)重；熵權(quán)法確定客觀權(quán)重；建立最小二乘法優(yōu)化決策模型獲得綜合權(quán)重以使所有指標(biāo)的主、客觀權(quán)重下的決策結(jié)果偏差最小；對(duì)決策矩陣標(biāo)準(zhǔn)化、加權(quán)標(biāo)準(zhǔn)化處理，利用灰色理論得到灰色關(guān)聯(lián)系數(shù)矩陣；將灰色關(guān)聯(lián)系數(shù)矩陣作為T(mén)OPSIS法的決策矩陣，求取各方案的正、負(fù)理想解的距離及其相對(duì)貼近度；比較各時(shí)段電能質(zhì)量貼近度和各電能質(zhì)量等級(jí)標(biāo)準(zhǔn)的貼近度，最后獲得各時(shí)段電能質(zhì)量等級(jí)。

(4)發(fā)明專(zhuān)利“基于信息熵的TOPSIS法多目標(biāo)威脅排序方法”，該發(fā)明提供了一種基于信息熵的TOPSIS法多目標(biāo)威脅排序方法，首先建立威脅評(píng)估威脅因子模型；然后根據(jù)威脅因子模型建立目標(biāo)屬性決策矩陣；根據(jù)決策矩陣采用熵權(quán)法計(jì)算目標(biāo)屬性權(quán)重向量；最后根據(jù)熵權(quán)法計(jì)算出的權(quán)重向量，采用TOPSIS方法計(jì)算各目標(biāo)方案相對(duì)貼近度，根據(jù)相對(duì)貼近度的大小即威脅度的大小，對(duì)各方案進(jìn)行威脅評(píng)估排序。

本發(fā)明基于TOPSIS的支持向量機(jī)方法是針對(duì)費(fèi)用估算方案評(píng)估的前沿方法，該方法是利用專(zhuān)家經(jīng)驗(yàn)對(duì)選定的費(fèi)用因子進(jìn)行估算，再通過(guò)TOPSIS方法對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理，將其貼近度函數(shù)作為支持向量機(jī)回歸預(yù)測(cè)的目標(biāo)函數(shù)，利用軟件MATLAB中的LIBSVM工具箱，對(duì)方案進(jìn)行回歸預(yù)測(cè)，最后根據(jù)預(yù)測(cè)出的貼近度值的大小，選出最優(yōu)方案，根據(jù)最優(yōu)方案得到研制階段的費(fèi)用總和估值。

發(fā)明內(nèi)容