基于熵权算法与层次分析法的数据挖掘方法与系统技术方案

本发明专利技术提供了基于熵权算法与层次分析法的数据挖掘方法，其特征在于，包括以下步骤：S1、采集用于企业评价的原始数据；S2、以企业科技水平、企业竞争能力、企业经济价值和企业社会价值四个方面建立企业评价体系，并确定评价指标；S3、采用熵权算法和层次分析法确定企业评价中各评价指标的指标权重；S4、根据评级指标及其对应的指标权重采用模糊综合评价算法进行企业评价，得到企业评价结果。本发明专利技术通过建立全方位的企业评价体系，评价企业技术先进性和实用价值，并通过熵权算法与层次分析法以及模糊综合评价法的结合，使得企业评价结果更加客观、科学，以便更加准确的展现出企业科技能力的强弱，为企业制定阶段性战略目标提供重要参考。

【技术实现步骤摘要】

本专利技术涉及数据处理
，具体涉及一种基于熵权算法与层次分析法的数据挖掘方法与系统。
技术介绍
企业在发展的过程中往往需要进行大量的商业活动，以便提高企业的知名度，促进企业的进一步发展。但是，如过企业对自身的企业情况不能够清楚的、准确的了解的话，企业在发展的过程中很可能会由于错误的信息而造成决策失误，严重影响企业的发展。由于在进行企业评价的过程中需要对企业进行全方位的分析、考察，且其中会涉及到大量的数据信息的处理，这就很大的提高了企业评价的复杂程度与不便性。同时，针对于企业评价过程中涉及到的大量数据信息中，针对企业不同方面而获取的不同的数据信息，在企业评价的过程中，其往往具有不同的重要性，即有些数据信息可能占据比较重要的比重，而有些数据信息可能会相对较为次要，如何有效的针对不同数据信息的重要性来有比重的进行企业评价，就进一步的提高了企业评价的难度。因此，如何提供一种既能够针对具有不同权重的企业信息来实现对企业进行全方位的评价的企业评价方法就成为了亟待解决的问题。
技术实现思路
本专利技术提供了一种基于熵权算法与层次分析法的数据挖掘方法与系统，通过建立企业评价体系，结合熵权算法与层次分析法来确定企业评价指标的权重，使得企业评价更加全面和准确。本专利技术的第一部分提供了一种基于熵权算法与层次分析法的数据挖掘方法，包括以下步骤：S1、采集用于企业评价的原始数据；S2、以企业科技水平、企业竞争能力、企业经济价值和企业社会价值四个方面建立企业评价体系，并确定评价指标；S3、采用熵权算法和层次分析法确定企业评价中各评价指标的指标权重；S4、根据评级指标及其对应的指标权重采用模糊综合评价算法进行企业评价，得到企业评价结果。优选的，S3中熵权算法包括以下步骤：S31、对原始数据中评价指标进行矩阵归一化处理；S32、对经过矩阵归一化处理的评价指标进行熵定义；S33、根据评价指标的熵确定评价指标的熵权；S3中层次分析法包括以下步骤：S34、根据评价指标的层阶关系，建立评价指标递阶层次体系；S35、根据评价指标递阶层次体系中位于同一阶层的评价指标，建立评价指标两两比较判断矩阵，并根据判断矩阵确定评价指标的相对重要性；S36、针对对应于同上一阶层评价指标的低阶层评价指标，根据评价指标的相对重要性，对评价指标进行层次单排序，确定评价指标的同阶权重；S37、根据低阶层评价指标的同阶权重及其对应的上一阶层评价指标的同阶权重，对评价指标进行层次总排序，确定评价指标的层阶权重；根据评价指标的熵权和层阶权重，通过线性加权平均法计算所述指标权重。进一步优选的，S31中评价指标的矩阵归一化处理通过以下方法计算：S311、设共有m个评价对象，n个评价指标，则原始数据矩阵为A＝(aij)m×n，其中，A为原始数据矩阵，aij为第i个评价对象，第j个评价指标对应的原始数据；S312、对原始数据矩阵进行矩阵归一化处理后，经过矩阵归一化处理后的原始数据矩阵为R＝(rij)m×n，其中，R为矩阵归一化处理后的原始数据矩阵，rij为第i个评价对象，第j个评价指标对应的归一化数据；S313、当评价指标为正向指标时，评价指标归一化公式为：当评价指标为负向指标时，评价指标归一化公式为：进一步优选的，S32中对经过矩阵归一化处理的评价指标进行熵定义通过以下方法计算：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵的公式为：其中，hj为第i个评价对象，第j个评价指标的熵，k为m个评价对象的标准化数据，fij为第i个评价对象，第j个评价指标对应的归一化数据比值；且，进一步优选的，S33中评价指标的熵权通过以下方法计算：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵权的公式为：其中，wj为第j个评价指标的熵权。进一步优选的，S36中在进行层次单排序前，检验判断矩阵的一致性；当判断判断矩阵满足一致性，则对评价指标进行层次单排序；当判断判断矩阵不满足一致性，则调整对应的判断矩阵。进一步优选的，S36中根据层次单排序确定同阶权重通过以下方法计算：对于判断矩阵B，计算BW＝λmaxW的特征根和特征向量；对计算出的特征向量正规化处理，得到正规化后的特征向量矩阵W＝[w1，w2，...wn，]r，并将该正规化后的特征向量作为评价指标的同阶权重；其中，W为正规化后的特征向量矩阵，λmax为特征根，wn为第n个正规化后的特征向量，r为特征向量矩阵的秩。进一步优选的，线性加权平均法为：指标权重＝熵权×0.5+层阶权重×0.5。优选的，43中根据评级指标及其对应的指标权重进行企业评价包括以下步骤：S41、根据企业评价体系建立企业评价指标集和评语集，并根据专家评价数据确定参考评价矩阵；S42、根据指标集和参考评价矩阵采用模糊综合评价算法对评价指标进行评价，获得模糊评价矩阵；S43、根据评价指标的指标权重和模糊评价矩阵得出模糊评价结果，并根据模糊评价结果在评语集中对应的评语来确定企业评价结果。本专利技术的第二部分提供了一种基于熵权算法与层次分析法的数据挖掘系统，包括：指标数据采集终端，其采集用于企业评价的原始数据；评价体系构建服务器，其用于构建以企业科技水平、企业竞争能力、企业经济价值和企业社会价值四个方面建立企业评价体系，并确定评价指标；数据处理服务器，其分别与指标数据采集终端和评价体系构建服务器连接，根据原始数据通过熵权算法和层次分析法对评价指标进行处理，以便的到评价指标的指标权重；企业评价服务器，其与数据处理服务器连接，根据预先设定的评价指标的参考评价数据，结合对应的指标权重，计算企业评价数据。优选的，数据处理服务器包括：熵权算法处理单元，其用于通过熵权算法计算评价指标的熵权；层次分析法处理单元，其用于通过层次分析法计算评价指标的层阶权重；指标权重计算单元，其用于根据指标权重的熵权和层阶权重计算指标权重。进一步优选的，熵权算法处理单元包括：归一化处理子单元，其用于对原始数据中评价指标进行矩阵归一化处理；熵定义子单元，其用于对经过归一化处理的评价指标进行熵定义；熵权计算子单元，其用于根据评价指标的熵确定评价指标的熵权。进一步优选的，归一化处理子单元，其通过以下方法对评价指标进行归一化处理：设共有m个评价对象，n个评价指标，则原始数据矩阵为A＝(aij)m×n，其中，A为原始数据矩阵，aij为第i个评价对象，第j个评价指标对应的原始数据；对原始数据矩阵进行矩阵归一化处理后，经过矩阵归一化处理后的原始数据矩阵为R＝(rij)m×n，其中，R为矩阵归一化处理后的原始数据矩阵，rij为第i个评价对象，第j个评价指标对应的归一化数据；当评价指标为正向指标时，评价指标归一化公式为：当评价指标为负向指标时，评价指标归一化公式为：进一步优选的，熵定义子单元，其通过以下方法对评价指标进行熵定义：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵的公式为：其中，hj为第i个评价对象，第j个评价指标的熵，k为m个评价对象的标准化数据，fij为第i个评价对象，第j个评价指标对应的归一化数据比值；且，进一步优选的，熵权计算子单元，其通过以下方法计算评价指标的熵权：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵权的公式为：其中，wj为第j个评价指标的熵权。进一步优选的，层次分析法本文档来自技高网...

【技术保护点】
一种基于熵权算法与层次分析法的数据挖掘方法，其特征在于，包括以下步骤：S1、采集用于企业评价的原始数据；S2、以企业科技水平、企业竞争能力、企业经济价值和企业社会价值四个方面建立企业评价体系，并确定评价指标；S3、采用熵权算法和层次分析法确定企业评价中各评价指标的指标权重；S4、根据评级指标及其对应的指标权重采用模糊综合评价算法进行企业评价，得到企业评价结果。

【技术特征摘要】
1.一种基于熵权算法与层次分析法的数据挖掘方法，其特征在于，包括以下步骤：S1、采集用于企业评价的原始数据；S2、以企业科技水平、企业竞争能力、企业经济价值和企业社会价值四个方面建立企业评价体系，并确定评价指标；S3、采用熵权算法和层次分析法确定企业评价中各评价指标的指标权重；S4、根据评级指标及其对应的指标权重采用模糊综合评价算法进行企业评价，得到企业评价结果。2.根据权利要求1所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S3中熵权算法包括以下步骤：S31、对原始数据中评价指标进行矩阵归一化处理；S32、对经过矩阵归一化处理的评价指标进行熵定义；S33、根据评价指标的熵确定评价指标的熵权；所述S2中层次分析法包括以下步骤：S34、根据评价指标的层阶关系，建立评价指标递阶层次体系；S35、根据评价指标递阶层次体系中位于同一阶层的评价指标，建立评价指标两两比较判断矩阵，并根据判断矩阵确定评价指标的相对重要性；S36、针对对应于同上一阶层评价指标的低阶层评价指标，根据评价指标的相对重要性，对评价指标进行层次单排序，确定评价指标的同阶权重；S37、根据低阶层评价指标的同阶权重及其对应的上一阶层评价指标的同阶权重，对评价指标进行层次总排序，确定评价指标的层阶权重；根据评价指标的熵权和层阶权重，通过线性加权平均法计算所述指标权重。3.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S31中评价指标的矩阵归一化处理通过以下方法计算：S311、设共有m个评价对象，n个评价指标，则原始数据矩阵为A＝(aij)m×n，其中，A为原始数据矩阵，aij为第i个评价对象，第j个评价指标对应的原始数据；S312、对原始数据矩阵进行矩阵归一化处理后，经过矩阵归一化处理后的原始数据矩阵为R＝(rij)m×n，其中，R为矩阵归一化处理后的原始数据矩阵，rij为第i个评价对象，第j个评价指标对应的归一化数据；S313、当评价指标为正向指标时，评价指标归一化公式为：当评价指标为负向指标时，评价指标归一化公式为：4.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S32中对经过矩阵归一化处理的评价指标进行熵定义通过以下方法计算：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵的公式为：其中，hj为第i个评价对象，第j个评价指标的熵，k为m个评价对象的标准化数据，fij为第i个评价对象，第j个评价指标对应的归一化数据比值；且，5.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S33中评价指标的熵权通过以下方法计算：设共有m个评价对象，n个评价指标，其中第j个评价指标的熵权的公式为：其中，wj为第j个评价指标的熵权。6.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S36中在进行层次单排序前，检验判断矩阵的一致性；当判断判断矩阵满足一致性，则对评价指标进行层次单排序；当判断判断矩阵不满足一致性，则调整对应的判断矩阵。7.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S36中根据层次单排序确定同阶权重通过以下方法计算：对于判断矩阵B，计算BW＝λmaxW的特征根和特征向量；对计算出的特征向量正规化处理，得到正规化后的特征向量矩阵W＝[w1，w2，...wn，]r，并将该正规化后的特征向量作为评价指标的同阶权重；其中，W为正规化后的特征向量矩阵，λmax为特征根，wn为第n个正规化后的特征向量，r为特征向量矩阵的秩。8.根据权利要求2所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述线性加权平均法为：指标权重＝熵权×0.5+层阶权重×0.5。9.根据权利要求1所述的基于熵权算法与层次分析法的数据挖掘方法，其特征在于，所述S4中根据评级指标及其对应的指标权重进行企业评价包括以下步骤：S41、根据企业评价体系建立企业评价指标集和评语集，并根据专家评价数据确定参考评价矩阵；S42、根据指标集和参考评价矩阵采用模糊综合评价算法对评价指标进行评价，获得模糊评价矩阵；S43、根据评价指标的指标权重和模糊评价矩阵得出模糊评价结果，并根据模糊评价结果在评语集中对应的评语来确定企业评价结果。10.一种基于熵权算法与层次分析法的数据挖掘系统，其特征在于，包括：指标数据采集终端，其采集用于企业评价的原始数据；评价体系构建服务器，其用于构建以企业科技水平、企业竞争能力、...

【专利技术属性】
技术研发人员：王江，
申请(专利权)人：国信优易数据有限公司，
类型：发明
国别省市：北京;11