[发明专利]一种基于灰色模糊的企业信用评价方法无效
| 申请号: | 201210050132.6 | 申请日: | 2012-02-29 |
| 公开(公告)号: | CN102629296A | 公开(公告)日: | 2012-08-08 |
| 发明(设计)人: | 刘东升;琚春华;郭晓娜;王蓓;陈庭贵;周怡;王冰 | 申请(专利权)人: | 浙江工商大学 |
| 主分类号: | G06F19/00 | 分类号: | G06F19/00;G06Q30/00 |
| 代理公司: | 杭州天正专利事务所有限公司 33201 | 代理人: | 王兵;王利强 |
| 地址: | 310018 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | 一种基于灰色模糊的企业信用评价方法,包括以下步骤:1)多维时间序列数据初始化;2)划分信用评价等级标准,并确定各种信用评价指标;3)在同一个信用指标体系中,采用简单的数学函数变换将各种信用评价指标的数值映射到同一某个数值区间;4)先确定参考序列和比较序列,接着计算灰色关联系数,最后计算灰色关联度,得到信用评判值组成的灰色关联矩阵;5)将灰色关联矩阵转化成模糊相似矩阵,将模糊相似矩阵进行平方自合成法将其转换成模糊等价矩阵,选取置信水平值λ∈[0,1],求出模糊等价矩阵的λ阶矩阵,当rij≤λ,样本xi与xj可并为同一类,所得到的分类就是在λ水平上的等价分类,实现不同的评价结果。本发明降低运算复杂度、时效性良好、有效提高可靠性。 | ||
| 搜索关键词: | 一种 基于 灰色 模糊 企业信用 评价 方法 | ||
【主权项】:
1.一种基于灰色模糊的企业信用评价方法,其特征在于:所述评价方案包括以下步骤:1)多维时间序列数据初始化:将待评价企业的财政数据实时采集,得到基于时间序列的数据,即长度为n的d维时间序列定义为xi(t);{i=1,2,L,d;t=1,2,L,n},其中,xi(t)表示的是当时间点为t时,第i维变量xi的取值;一个长度为n的d维时间序列用矩阵的形式表示为:[ x i , t ] d × n = x 1,1 x 1,2 L x 1 , n x 2,1 x 2,2 L x 2 , n M M L M x d , 1 x d , 2 L x d , n ]]> 该矩阵中每一项元素xi,t表示的是第i维指标xi在时间点t上的采样值;2)建立信用评价指标体系:划分信用评价等级标准,并确定各种信用评价指标;3)数据预处理:在同一个信用指标体系中,采用简单的数学函数变换将各种信用评价指标的数值映射到同一某个数值区间,指标度量单位统一化的数据模型如下:x ij ′ = x ij - x ‾ i s i - - - ( 1 ) ]]> 其中,xij为第j个时间点的第i项指标的最初元素,
为第i项指标所有取值的均值,
为第i项指标的方差,用公式表示为:x ‾ i = 1 n Σ j = 1 n x ij ; ]]>S i 2 = 1 n Σ j = 1 n ( x ij - x ‾ i ) 2 - - - ( 2 ) ]]> 对于指标度量单位统一化数据模型处理之后得到的x′ij,再采用极值方法进行处理,使得被处理之后的数据都能够映射到[0,1]区间上,极值方法的公式为:x ij ′ = x ij ′ - x k min ′ x k max ′ - x k min ′ - - - ( 3 ) ]]> 其中,x′kmax和x′kmin分别指x′1k,x′2k,L,x′dk中的最大值和最小值;4)进行灰色关联分析:先确定参考序列和比较序列,接着计算灰色关联系数,最后计算灰色关联度,得到信用评判值组成的灰色关联矩阵;5)模糊聚类分析:将灰色关联矩阵转化成模糊相似矩阵,将模糊相似矩阵进行平方自合成法将其转换成模糊等价矩阵,选取置信水平值λ∈[0,1],求出模糊等价矩阵的λ阶矩阵,当rij≤λ,样本xi与xj可并为同一类,所得到的分类就是在λ水平上的等价分类,实现不同的评价结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工商大学,未经浙江工商大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201210050132.6/,转载请声明来源钻瓜专利网。
- 上一篇:智能电网可视化的多维视图联动方法
- 下一篇:一种仲醇的β-烷基化方法
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用





