一种评价指标关键影响因素提取方法技术

本发明专利技术公开了一种评价指标关键影响因素提取方法，包括以下步骤：S1、基于N个评价指标获取最近T时间内M个不同集体的评价数据，得到三维样本矩阵；S2、对三维样本矩阵进行标准化处理，得到标准样本矩阵；S3、基于标准样本矩阵，提取得到I类重要评价指标；S4、通过I类重要评价指标内的各个指标在不同集体的评价数据，提取得到I个关键评价指标；S5、对I个关键评价指标进行分析，提取得到P个候选影响因素；S6、获取最近T时间内不同集体对应的P个候选影响因素的数据，得到P个影响因素数据；S7、对影响因素数据进行预处理，得到标准化后的矩阵；S8、根据I个关键评价指标结合标准化后的矩阵，提取得到Q个关键影响因素。取得到Q个关键影响因素。取得到Q个关键影响因素。

【技术实现步骤摘要】
一种评价指标关键影响因素提取方法


[0001]本专利技术属于信息
，具体涉及一种评价指标关键影响因素提取方法。

技术介绍

[0002]随着科学技术及社会的不断发展，评价指标为管理者提供了一个很好的解决存在问题的工具，被广泛应用到经营、管理、教育的各个方面。评价指标体系，既是对现有实践成果进行评估的工具，又是对未来实践活动发展方向和发展方式的导引。评价指标体系是发现问题、解决问题，提高能力和效果的切入点，但较为宏观的评价指标并不能直接转化为可实施的具体手段和措施，还需明确影响评价指标的关键因素，通过关键影响因素来引领改进措施，即关键影响因素是辅助决策的基本依据。
[0003]目前对于影响因素的确定，通常是基于先验知识主观给定，具有缺乏科学性、客观性的技术缺陷；而且主观给定的影响因素，很难随着技术和方法的升级进行动态更新，从而影响未来决策。所以基于评价指标体系愈来愈庞大、多维度、多权重的发展特点，急需创建一种实用性和实时性均较高的关键影响因素提取方法。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种评价指标关键影响因素提取方法。
[0005]为实现上述目的，本专利技术采用的技术方案是：
[0006]一种评价指标关键影响因素提取方法，包括以下步骤：
[0007]S1、基于N个评价指标获取最近T时间内M个不同集体的评价数据，得到三维样本矩阵，所述N、T、M均为整数，三维样本矩阵记为：X
ijk
(i＝1,2,3
……r/>n；j＝1,2,3
……
t；k＝1,2,3
……
m)；
[0008]S2、对步骤S1得到的三维样本矩阵进行标准化处理，得到标准样本矩阵，标准样本矩阵记为：Eijk(i＝1,2,3
……
n；j＝1,2,3
……
t；k＝1,2,3
……
m)；
[0009]其中，μ是样本均值，σ是样本标准差；
[0010]S3、基于步骤S2得到的标准样本矩阵，提取得到I类重要评价指标；
[0011]S4、通过步骤S3得到的I类重要评价指标内的各个指标在不同集体的评价数据，提取得到I个关键评价指标；
[0012]S5、对步骤S4得到的I个关键评价指标进行分析，提取得到P个候选影响因素；
[0013]S6、以步骤S5得到的P个候选影响因素作为指标，获取最近T时间内不同集体对应的P个候选影响因素的数据，得到P个候选影响因素数据；
[0014]S7、对步骤S6得到的候选影响因素数据进行预处理，得到标准化后的矩阵，记为：IEijk(i＝1,2,3
……
P；j＝1,2,3
……
T；k＝1,2,3
……
I)；
[0015]S8、根据步骤S4得到的I个关键评价指标结合步骤S7得到的标准化后的矩阵，提取
得到Q个关键影响因素。
[0016]优选的，步骤S3包含以下步骤：
[0017]S31、对N个评价指标，计算加权重的各指标灰色关联系数；
[0018]S32、根据步骤S31得到的灰色关联系数，得到关联系数矩阵，对关联系数矩阵进行聚类分析，提取得到I类重要评价指标。
[0019]优选的，步骤S31包含以下步骤：
[0020]S311、将母序列为第h个集体在各个时间下的指标总和记为：
[0021]Y
h
＝{y
h
(1),y
h
(2),y
h
(3),
…
,y
h
(t)}
[0022]其中，eith为第t时间的第h个集体的第i个指标；
[0023]S312、将子序列为第h个集体的第n个指标在各个时间下的数值记为：
[0024]X
hn
＝{x
hn
(1),x
hn
(2),x
hn
(3),
…
,x
hn
(t))
[0025]其中，x
hn
(t)＝e
nth
，e
nth
为第t时间的第h个集体的第n个指标；
[0026]S313、计算第h个集体母序列和子序列的最小差，最小差a＝min|y
h
(k)
‑
w
i
*x
hi
(K)|，(i＝1,2,
…
,n；k＝1,2,
…
,t)；
[0027]其中，w
i
为第i个指标对应的权重；
[0028]S314、计算第h个集体母序列和子序列的最大差，最大差b＝max|y
h
(k)
‑
w
i
*x
hi
(K)|，(i＝1,2,
…
,n；k＝1,2,
…
,t)；
[0029]其中，w
i
为第i个指标对应的权重；
[0030]S315、计算得到第h个集体各个时刻下各指标灰色关联系数，各个时刻下各指标灰色关联系数计算公式如下：
[0031]γ(y
h
(k),x
hi
(k))＝(a+ρb)/(|y
h
(k)
‑
x
hi
(k)|+ρb)，(i＝1,2,
…
,n；k＝1,2,
…
,t)
[0032]S316、计算得到第h个集体整个时间记录下的各指标灰色关联系数，整个时间段下的各指标灰色关联系数计算公式如下：
[0033][0034]优选的，步骤S32包含以下步骤：
[0035]S321、根据步骤S316计算得到的各指标灰色关联系数，得到关联系数矩阵Γ＝γ
ij
＝γ(Y
i
，X
ij
)，(i＝1,2,3,
…
,m；j＝1,2,3,
…
,n)，接着计算关联系数矩阵中的每个评价指标的pearson相关系数，得到相关系数矩阵P为：
[0036][0037]其中，表示第i个评价指标平均灰色关联系数，γ
ki
、γ
kj
对应关联系数矩阵Γ＝γ_(ij)；
[0038]S322、对步骤S321得到的相关系数矩阵P中的每两个重要指标之间的距离进行计算，采用最长距离法，将N个评价指标划分为I类，得到I类重要评价指标。
[0039]优选的，步骤S4包含以下步骤：
[0040]S41、对步骤S3得到的I类重要评价指标的组间均方差进行计算，计算公式如下：
[0041][0042]其中，其中，表示第h个集体的第k类指标中各个指标均值，表示第h个集体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种评价指标关键影响因素提取方法，其特征在于，包括以下步骤：S1、基于N个评价指标获取最近T时间内M个不同集体的评价数据，得到三维样本矩阵，所述N、T、M均为整数，三维样本矩阵记为：X
ijk
(i＝1,2,3
……
n；j＝1,2,3
……
t；k＝1,2,3
……
m)；S2、对步骤S1得到的三维样本矩阵进行标准化处理，得到标准样本矩阵，标准样本矩阵记为：E
ijk
(i＝1,2,3
……
n；j＝1,2,3
……
t；k＝1,2,3
……
m)；其中，μ是样本均值，σ是样本标准差；S3、基于步骤S2得到的标准样本矩阵，提取得到I类重要评价指标；S4、通过步骤S3得到的I类重要评价指标内的各个指标在不同集体的评价数据，提取得到I个关键评价指标；S5、对步骤S4得到的I个关键评价指标进行分析，提取得到P个候选影响因素；S6、以步骤S5得到的P个候选影响因素作为指标，获取最近T时间内不同集体对应的P个候选影响因素的数据，得到P个候选影响因素数据；S7、对步骤S6得到的候选影响因素数据进行标准化处理，得到标准化后的矩阵，记为：IEijk(i＝1,2,3
……
P；j＝1,2,3
……
T；k＝1,2,3
……
I)；S8、根据步骤S4得到的I个关键评价指标结合步骤S7得到的标准化后的矩阵，提取得到Q个关键影响因素。2.根据权利要求1所述的评价指标关键影响因素提取方法，其特征在于，步骤S3包含以下步骤：S31、对N个评价指标，计算加权重的各指标灰色关联系数；S32、根据步骤S31得到的灰色关联系数，得到关联系数矩阵，对关联系数矩阵进行聚类分析，提取得到I类重要评价指标。3.根据权利要求2所述的评价指标关键影响因素提取方法，其特征在于，步骤S31包含以下步骤：S311、将母序列为第h个集体在各个时间下的指标总和记为：Y
h
＝{y
h
(1),y
h
(2),y
h
(3),
…
,y
h
(t)}其中，eith为第t时间的第h个集体的第i个指标；S312、将子序列为第h个集体的第n个指标在各个时间下的数值记为：X
hn
＝{x
hn
(1),x
hn
(2),x
hn
(3),
…
,x
hn
(t))其中，x
hn
(t)＝e
nth
，e
nth
为第t时间的第h个集体的第n个指标；S313、计算第h个集体母序列和子序列的最小差，最小差a＝min|y
h
(k)
‑
w
i
*x
hi
(K)|，(i＝1,2,
…
,n；k＝1,2,
…
,t)；其中，w
i
为第i个指标对应的权重；S314、计算第h个集体母序列和子序列的最大差，最大差b＝max|y
h
(k)
‑
w
i
*x
hi
(K)|，(i＝1,2,
…
,n；k＝1,2,
…
,t)；其中，w
i
为第i个指标对应的权重；S315、计算得到第h个集体各个时刻下各指标灰色关联系数，各个时刻下各指标灰色关
联系数计算公式如下：γ(y
h
(k),x
hi
(k))＝(a+ρb)/(|y
h
(k)
‑

【专利技术属性】
技术研发人员：姚俊萍，刘鑫，李晓军，郭毅，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：