System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及不确定信息处理,具体为一种面向审计评估的数据获取和处理方法及专家系统。
技术介绍
1、审计评估越来越依赖于专家的行业知识。行业知识通常由专家以主观的形式表达出来。比如,在当前主流审计技术中,审计人员经常用1,2,3,4,5表示审计对象的5个评估等级,对应自然语言的“很差”,“差”,“一般”,“良好”,“优秀”5个标度。然后在给定的指标体系下,利用加权算术平均的方法对审计对象进行综合评估。
2、一般地,表示不确定的途径有两种。一种是先确定左右边界,再形成区间,比如“介于一般和优秀之间”;另一种是先确定最有可能的中心点,在确定变化范围,比如“很有可能是良好,至少是一般,至多是优秀”。审计技术方法应允许专家自由地表达意见,协调专家分析,给出可信的评估结论。然而,这样的评估方法虽然简单,适合审计操作,但也具有明显的不科学性。
技术实现思路
1、本专利技术的目的在于提供一种面向大规模审计评估的数据获取和处理方法,利用概率语言集表述专家不同形式的不确定语言信息,不同策略的共识度改进算法能适应不同应用场景,共识度和评估结果均有概率上的风险估计,便于在实施过程中掌控风险。
2、为实现上述目的,本专利技术提供了一种面向大规模审计评估的数据获取和处理方法,包括如下步骤:
3、s1、根据评估体系,将专家输入的评估信息表示为概率语言集;
4、s2、计算专家概率语言集信息的共识度;
5、s3、若上述共识度可接受,转向步骤s4,否则转向
6、s4、基于随机分析,计算评估结果及其可信度;转向步骤s6;
7、s5、基于群体贡献,计算评估结果及其可信度;
8、s6、输出评估结果及其可信度;
9、所述大规模审计评估是指k(k≥20)个专家针对j(j≥1)个审计指标分别对审计对象进行评估,第k个专家在第j个指标下的评估值由预先定义在论域[l,r]上的包含τ+1个标度的语义标度集s={si|i=0,1,...,τ}中的1-3个语言标度表示,第j个指标的权重为wj,其中wj≥0,
10、优选的,所述步骤s1中,具体过程为:针对第k(k=1,2,...,k)个专家在第j(j=1,2,...,j)个指标下的评估值,其概率语言集表示的评估值akj按如下规则获取:
11、当专家输入1个语言标度sα,则评估值表示为:
12、akj={sα(1)};
13、当专家输入2个语言标度sα,sβ(其中α<β),则评估值表示为:
14、akj={si(pi)|i=α,α+1,...,β};
15、其中pi=1/(β-α+1)表示si为真值的概率;
16、当专家输入3个语言标度sα,sβ,sγ(其中α<β<γ),则评估值表示为:
17、akj={si(pi)|i=α,α+1,...,γ};
18、其中sα,sβ,sγ为语言标度集s={si|i=0,1,...,τ}的元素,表示si为真值的概率,mi=maxx∈[l,r]{min{μi(x),f(x)}},且:
19、
20、
21、其中一个三元组(x,y,z)表示定义在[l,r]的如下函数:
22、
23、优选的,所述步骤s2中,计算专家信息的共识度的过程包括如下步骤:
24、s21、初始化累加器t=0,循环控制次数t=10000,计数器cnt=0;
25、s22、t=t+1,如果t<t,转入s23;否则,转入s26;
26、s23、对于每个评估值akj,根据其中包含的概率分布,随机抽取一个语言标度bkj(∈s),得到随机抽样的评估矩阵b=(bkj)k×j;
27、s24、计算b的共识度ci:
28、
29、其中bj=sa,函数i()返回语言标度的下标;
30、s25:如果ci>δ1,cnt=cnt+1,其中δ1为评估信息为确定值情形下的共识度可接受阈值,可根据现有技术确定;转入步骤s22;
31、s26:共识度gci=cnt/t。
32、优选的,所述步骤s3中,共识度可接受是指gci>δ2,其中δ2是专家信息的共识度可接受的最低概率。
33、优选的,所述步骤s4中,基于随机分析,计算评估结果及其可信度的具体过程包括以下步骤:
34、s41、初始化累加器t=0,循环控制次数t=10000/δ2,计数器ni=0(i=1,2,...,τ);
35、s42、如果t<t,转向步骤s43;否则,转向步骤s45;
36、s43、从调整后的评估矩阵(akj)k×j的每列中随机选择一个元素,得到一个j维向量,记作从向量的每个分量中依概率分布随机抽取一个语言标度,得到计算抽样评估结果:
37、
38、其中函数round()表示四舍五入,函数i()返回语言标度的下标;
39、s44、对于i=0,1,...,τ,如果则ni=ni+1;t=t+1,转向步骤42;
40、s45、对于i=0,1,...,τ,记imax=argmaxi{ni};
41、s46、输出评估结果可信概率
42、优选的,所述步骤s5中,基于群体贡献,计算评估结果及其可信度的具体过程包括如下步骤:
43、s51、对评估矩阵(akj)k×j重新编码为(bkj)k×j,其中bkj=(bkj0,bkj1,...,bkjτ)是τ+1维向量,取值为akj中包含的概率分布。
44、s52、对于k=1,2,...,k,计算第k个专家对所有指标评估值的总体贡献其中
45、
46、计算第k个专家的权重ωk,其中
47、
48、s53、对于j=1,2,...,j,计算第j个指标的总体评估值bj=(bj0,bj1,...,bjτ),其中
49、
50、计算第j个指标总体评估值的可信度dj,其中
51、
52、s54、计算评估结果simax,其中
53、
54、计算评估结果可信度d,其中
55、
56、优选的,一种面向审计评估的数据获取与处理方法的专家系统:包括以下5个模块:案例库模块、专家库模块、算法库模块、用户界面模块、主模块;
57、所述主模块包含以下5个单元:初始化单元、信息转化单元、共识度判定单元、评估结果计算单元1、评估结果计算单元2;
58、其中,所述初始化单元、信息转化单元、共识度判定单元依次串行连接;所述共识度判定单元与评估结果计算单元1、评估结果计算单元2串行连接;所述评估结果计算单元1和评估结果计算单元2并行。
59、因此,本专利技术采用上述一种面向审计评估的数据获取和处理方法本文档来自技高网...
【技术保护点】
1.一种面向大规模审计评估的数据获取和处理方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤S1中,具体过程为:针对第k(k=1,2,...,K)个专家在第j(j=1,2,...,J)个指标下的评估值,其概率语言集表示的评估值akj按如下规则获取:
3.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤S2中,计算专家信息的共识度的过程包括如下步骤:
4.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤S3中,共识度可接受是指GCI>δ2,其中δ2是专家信息的共识度可接受的最低概率。
5.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤S4中,基于随机分析,计算评估结果及其可信度的具体过程包括以下步骤:
6.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤S5中,基于群体贡献,计算评估结果及其可信度的具体过程包括如下步骤:
7.
...【技术特征摘要】
1.一种面向大规模审计评估的数据获取和处理方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤s1中,具体过程为:针对第k(k=1,2,...,k)个专家在第j(j=1,2,...,j)个指标下的评估值,其概率语言集表示的评估值akj按如下规则获取:
3.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤s2中,计算专家信息的共识度的过程包括如下步骤:
4.根据权利要求1所述的一种面向审计评估的数据获取和处理方法,其特征在于:所述步骤s3中,共识度...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。