主成分分析(PCA)系统
用于对多个相关指标进行主成分分析,通过降维提取能够代表原始信息的综合成分,适合指标压缩、综合评价和后续建模前的数据处理。
正在加载中...
选择算法后,再查看当前可用的下载方式。
分类筛选
用于对多个相关指标进行主成分分析,通过降维提取能够代表原始信息的综合成分,适合指标压缩、综合评价和后续建模前的数据处理。
用于根据指标数据差异计算客观熵权,适合多指标综合评价中的权重确定,并为后续 TOPSIS 等评价方法提供权重依据。
用于计算各指标对目标结果的障碍程度,帮助识别影响综合表现的主要限制因素,适合区域发展、生态环境和绩效评价等多指标分析。
用于依据指标离散程度计算变异系数权重,适合需要客观赋权的多指标评价场景,可比较不同指标的信息差异和相对重要性。
用于组织和汇总专家意见,通过多轮评价形成较稳定的判断结果,适合指标筛选、主观赋权、方案论证和共识决策。
用于结合指标标准差和相关冲突性计算 CRITIC 客观权重,适合既考虑数据波动又考虑指标间重复信息的综合评价。
用于根据正理想解和负理想解的距离对评价对象进行排序,适合方案优选、绩效评价和多指标综合比较。
用于计算参考序列与比较序列之间的灰色关联程度,适合小样本、信息不完全条件下的因素关联分析和方案比较。
用于通过群体效用与个体遗憾构建 VIKOR 折衷排序,适合存在多项冲突指标的方案选择和多属性决策。