企业信息化过程中评价指标的算法研究

企业信息化过程中评价指标的算法研究
1研究现状
1.1 研究的主要内容
指标分为正指标，负指标和区间型指标三种。

例如成本型指标是越小越好，所以是负指标；效益型指标越大越好，称它为正指标。

（1）三元整合算法
三元整合算法将AHP 、灰色关联、模糊评价的成功之处作为三个元素加以综合集成。

三元整合算法的思路：
首先拟定出项目的综合评价指标体系，建立评价指标递阶层次结构；计算指标体系底层元素的组合权重；给出评价指标评估值矩阵；运用灰色系统理论评估会累；计算灰色评估书，得出灰色评估权向量和权矩阵；取得专家评判数据，一句模糊数学理论形成评判矩阵；进行模糊运算，得出综合评价结果。

三元整合算法的步奏：
① 确定评价指标集。

}......,,{321n O O O O O =
② 指标优化处理。

③ 确定加权子集。

采用层次分析法构造比较判断权重矩阵。

请专家根据各指标的相对重要性，对照表所列出的标度得出相应数值，按1-9标度进行打分，并将比较结果填入权重调查表。

对点查表进行处理后，得到判断矩阵毛病在此基础上运用层次分析法求得指标权重。

得到O 三上的模糊加权子集：
}....,,{321n W W W W W =
④ 确定评价量样本矩阵。

确定评价指标Oi 的评分标准，将评价指标的优劣程度划分为不同的等级，然后给各等级赋值。

设有r 为专家参加评价：
}....3,2,1{Er E E E E =
第L 位专家对第i 个指标Oi 的评价量样本记为li d ，这样将全部专家对所评价的信息化企业建设水平的评价数据构成样本矩阵：
⑤ 确定评估灰类。

⑥ 计算灰色统计数。

由确定会输的百花函数，求出li d 属于第j 类评价标准的权fj ，据此求出评判矩阵的灰色统计数ij n 和灰色总统计数i n
)
(1li r l j ij d f n ∑==
∑==m
j ij i n n 1
⑦ 计算灰色评估权值及模糊权矩阵。

i ij
ij n n r =
构成矩阵R
⑧ 算出模糊综合评判矩阵。

B=W.R
三元算法存在的弊端：
在数据量很大，指标很多的时候，专家打分就有他的局限性。

并且如果现实条件不允许，我们只能够采用一些客观方法进行数据分析。

（2）机器学习：多元线性回归和聚类分析算法
1) 第一级指标确认采用多元线性回归。

解决上述问题最简单的想法为：把 y=f*(x)限定在一个相对简单的函数类中，
从中寻找尽可能满足式下图的 f*(x)。

实际上经常使用的线性回归方法，就是限定 f(x)为线性函数，即 f(x)=ax+b ，
从中寻找出最大程度满 f*(x)=a*x+b*。

通常用来度量y=f(x)=ax+b 偏离 yi=f(xi)的程度。

偏离程度越小，说明满足程度就越高。

因此为：
多元线性货柜模型
u X a Y i i i +=
这里我们在做回归的时候是要确定第一层的指标所占的比例，所以应该用以下方程 i i i X a Y =
确定一级指标的权重。

2）第二级指标的确立采用聚类分析
聚类分析是指根据某种相似性准则，将样本数据划分成多个类或组的过程，使得同组样本之间具有较高相似性，而不同组样本之间具有较大差异性。

它的形式化定义如下：给定由 n 个样本数据组成的数据集 T = (O, F, C)，聚类分析算法就是从样本数据 O 到 k 个不同组或类别 C 的映射 h: O →C ，即将样本数据 O 分成 k 个不同的组，其中每个组称为一个类。

与数据分类不同的是，聚类分析的类别标签是事先未知的，因而它也称为非监督学习。

聚类分析算法大致可分为五大类：层次方法、划分方法、密度方法、模型方法和网格方法，其中层次聚类分析因以简单、直观明了的方式组织样本数据而成为聚类方法中最重要的一种方法。

层次聚类分析法是将样本数据的组或类根据层次结构方式进行分解或合并，直到终止条件满足为止。

它包括层次合并（或自底向上）和分裂（自顶向下）这两种实现方式。

合并式层次聚类首先将由n 个样本组成的数据集T = (O, F, C)分成n 个不同的组，其中每组只包含一个样本，然后选择其中 2 个距离最近或最相似的组合并成一个新的组，并删除这 2 个组，从而得到n-1 个组。

随后以相同方式继续合并，得到n-2个组。

这样一直循环进行下去，直到所有样本都合并到同一组时，算法结束。

算法步奏：算法首先随机地选择一级指标的k个对象，每个对象初始地代表了一个簇的平均值或中心。

对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇。

然后重新计算每个簇的平均值。

这个过程不断重复，直到准则函数收敛。

（3）熵权法
①熵（Entropy）这个概念来自于统计热力学，它表达一个系统混乱的程度，其中系统越混乱，其熵值就越高；反之，若系统越是有序，那么所对应的熵值也就越低。

信息理论中，熵通常也称作信息熵或Shannon 熵，它主要采用数值形式表达随机变量取值的不确定性程度，目的是刻划信息含量的多少。

假定X 是一个随机变量，p(x)表示变量X 取值为x 的概率，那么它的不确定性程度可以表示为信息熵H(X)形式，其中：
由定义可知，信息熵H(X)只与变量X 的概率分布有关，而与其具体取值无关。

这在某种程度上说明信息熵有效地避免噪声数据的干扰。

注意到，如果随机变量X的不确定性的程度越高，即概率分布越大，那么其信息熵也就越大，所需要的信息量也相应增多。

当变量X 的所有取值具有相同概率时，即每个值出现的概率相同，此时变量X 的不确定性程度达到最高，其熵值也最大。

这种情况下，X 的具体取值无法确定，只能依靠随机猜测选取任意一个值。

反之，如果变量X 只取一个值x 时，那么该值的概率分布p(x)为1，此时X 是完全确定的，其熵值达到最小。

这点与热力学中熵的内涵是一致的，因为系统越混乱，不确定性因素就越高，反之亦成立。

②互信息（Mutual information）是为了衡量两个变量间相互依赖强弱程度而引入的，它表示两个变量间共同拥有信息的含量。

给定两个随机变量X 和Y，若它们的边缘概
率分布分别为p(x)和p(y)，则它们之间的互信息I(X; Y)定义为：
其中p(x, y)为随机变量X 和Y 的联合概率分布。

由定义可知，当变量X 和Y 完全无关或相互独立时，它们的互信息为0，达到最小，这意味着他们两者之间不存在相同
的信息；反之，当他们相互依赖程度越高时，互信息I(X; Y)的值也就越大，所包含相
同的信息也越多。

1.2 研究结果
三元整合算法的弊端还是在于专家评分这个环节，在进行数据处理中我们无法让专家对我们研究的数据进行评分，其次专家评分也带有一定的主观性。

采用机器学习的方法是建立在大量有效数据的基础上，这就要求数据真实性和确定性足够大。

在学习的过程中，觉得机器学习的方法比较适合企业信息化成熟度的研究。

第三种方法熵权法的学习还不够深入，在学习过程中也遇到一些问题。

熵权法应该是用于不确定的数，但是确定的数的研究是否具有研究意义，如果具有研究意义。

那么又如何将这种方法应用于此项研究之中。

另外，机器学习的方法还有很多，如LS（最小二乘）、PLS（部分最小二乘）、SVM（支持向量机）以及GP（高斯过程）等，是否有更适合确定权重的方法还有待研究。

是否已经有相关的算法应用于企业信息化升级过程的研究，如果没有那么着将会是文章的创新点所在，如果有，能否有新的改进方法，这些都任然需要继续研究。

2 研究计划
由于时间及水平有限，中期的研究在很多方面是比较粗浅的，有很大的改进与提高空间。

首先，对于三种方法的建模应用，需要初始样本进行建模以及需要样本进行更新，这就需要人工进行采集，在一定程度上增加了工人的工作量。

需进一步研究相应算法，减少模型对初始建模样本及更新样本数量的要求。

其次，对于机器学习方法，自变量非线性转化有很多方法，由于时间和精力有限，文中只用了一种多项式转化的方法，有可能用其它的转化方法计算结果会更好，故在这方面也有很大的提高空间。

最后，对于机器学习方法在人类基因片段识别中的应用，本研究只是选取了几种常见的代表算法，并没有把全部的方法都进行比较，这样有可能会有一些好的方法被遗漏，故有待进一步的研究和比较。

参考文献
【1】企业信息化效应理论与评价方法研究，汪莹，中国经济出版社2006年11月第一版【2】企业信息化能力成熟度研究杨一平，马惠，人民邮电大学出版社，2011年5月第一版
【3】机器学习算法及其工程应用研究，张泽，天津大学，2012年5月
【4】基于信息熵的特征选择算法研究，刘华文，吉林大学，2010年6月。