一种信息系统智能化水平评估方法技术方案

本发明专利技术公开了一种信息系统智能化水平评估方法，首先针对待评估的信息系统，获取其智能化水平评估指标对的评分，之后根据信息系统智能化水平评估指标体系，使用深度Tposis模型对指标对逐级进行综合评估，生成最高级评估指标的评价；之后确定ANFIS自适应推理神经网络的参数，所述参数包括架构及算法参数；并利用ANFIS自适应推理神经网络分析最高级指标评价，输出信息系统智能化水平得分，最后将智能化水平得分映射为最终的信息系统智能化水平评估结果。本发明专利技术的信息系统智能化水平评估方法，简单直观，具有较强的可解释性和泛用性，能够对系统的智能化水平进行准确且合理的评估。够对系统的智能化水平进行准确且合理的评估。够对系统的智能化水平进行准确且合理的评估。

【技术实现步骤摘要】
一种信息系统智能化水平评估方法


[0001]本专利技术涉及智能系统评价领域，具体涉及一种信息系统智能化水平评估方法。

技术介绍

[0002]随着大数据以及人工智能的发展，信息系统的智能化水平评估成为一个热门的研究问题，这一问题的难点有如下三个：
[0003](1)现有的信息系统智能化水平评估指标体系存在一定差异，不同的指标体系的侧重点不同，提出一个通用的评估方法十分困难；
[0004](2)信息系统通常十分复杂，评价指标之间可能相互影响，且对于智能化水平的影响程度不同；
[0005](3)信息系统应用十分广泛，人们需要理解系统与其智能化水平之间的关系，因此评估方法需要一定的可解释性且易于理解。
[0006]近年来人们开发出了很多算法用于信息系统智能化水平评估，但是这些算法都存在一些不足之处。有的算法基于结构关系进行评估，如层次分析法、灰色关联分析法以及模糊综合评价法，该类方法实现简单但评估性能局限，存在评价指标权重确定困难、可解释性不强等问题，且泛用性差；有的算法基于机器学习算法进行评估，所使用的算法包括主成分分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息系统智能化水平评估方法，其特征在于，包括以下步骤：步骤1、针对待评估的信息系统，获取其智能化水平评估指标对的评分；步骤2、根据信息系统智能化水平评估指标体系，使用深度Tposis模型对指标对逐级进行综合评估，生成最高级评估指标的评价；步骤3、确定ANFIS自适应推理神经网络的参数，所述参数包括架构及算法参数；步骤4、使用ANFIS自适应推理神经网络分析最高级指标评价，输出信息系统智能化水平得分；步骤5、根据benchmark或对应的智能化水平等级模型，将智能化水平得分映射为最终的信息系统智能化水平评估结果。2.根据权利要求1所述的信息系统智能化水平评估方法，其特征在于，所述步骤1中的对待评估的信息系统的智能化水平评估指标对进行打分，具体包括以下步骤：步骤1
‑
1、基于智能化水平评估指标体系，使用A[i][j]表示智能化水平评估指标体系的维度A中第i个一级指标的第j个二级指标，不同维度的指标使用笛卡尔积进行组合，形成不同的指标对；步骤1
‑
2、获取待评估的信息系统的智能化水平评估指标体系中的最低级指标对的评分。3.根据权利要求1所述的信息系统智能化水平评估方法，其特征在于，所述步骤2中的使用深度Tposis模型对指标对逐级进行综合评估，具体包括以下步骤：步骤2
‑
1、将原始矩阵正向化，智能化水平评估指标体系中的评价指标类型包括极大型指标、极小型指标、中间型指标以及区间型指标，将所有类型的指标统一转化极大型指标，根据指标类型不同采取不同形式的转换函数；若信息系统智能化水平评估指标体系的指标均为极大型指标，跳过本步骤；步骤2
‑
2、为最低级指标对的Topsis模型计算得分并归一化，假设最低级智能化评估指标体系包含m个评价指标对，则得分向量x为：x＝[x1,x2,
…
,x
m
]对于评估得分向量x，定义理想解x
+
，其各分量为对应指标对的最高得分；定义负理想解x
‑
，其各分量为对应指标对的最低得分；待评价对象与x
+
的距离为对应向量之间的欧式距离，表示为其与x
‑
的距离表示为则其归一化后的得分为该得分位于0
‑
1之间，且得分越大表示越接近理想解；步骤2
‑
4，逐级对评价指标建立Topsis模型，重复步骤2
‑
1到步骤2
‑
3，建立深度Topsis模型，直到生成对最高级指标对，即一级指标对的得分评价。4.根据权利要求1所述的信息系统智能化水平评估方法，其特征在于，所述步骤3中的确定ANFIS自适应推理网络的参数，具体包括以下步骤：步骤...

【专利技术属性】
技术研发人员：汪霜玲，李宇飞，黄凯鹏，易侃，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：