(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111670489.X (22)申请日 2021.12.31 (71)申请人 国网湖北省电力有限公司经济技 术 研究院 地址 430077 湖北省武汉市武昌区水果湖 街徐东路47号 申请人 武汉大学 (72)发明人 陈然　周蠡　唐学军　柯方超　 周秋鹏　周英博　张凌乐　王枭　 何怡刚　 (74)专利代理 机构 武汉市首臻知识产权代理有 限公司 42 229 代理人 章辉 (51)Int.Cl. G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06F 17/11(2006.01) (54)发明名称 基于最小交叉熵准则融合主客观评价的评 价方法及其应用 (57)摘要 一种基于最小交叉熵准则融合主客观评价 的评价方法， 包括以下步骤： S1、 明确评价对象与 评价目标， 对评价过程进行抽象化处理， 建立评 价对象集合、 与评价目标相关的数据项的属性集 合、 专家集合及评价对象在数据项下的原始数据 的数据集合； S2、 对原始数据进行归一化处理， 计 算贡献度矩阵， 通过熵权 法得到各数据项的客观 评价权重； S3、 获取专家对各数据项的评价结果， 并利用最小交叉熵准则融合各专家的评价结果， 得到各数据项的主观评价权重； S4、 利用最小交 叉熵准则融合主观评价权重与客观评价权重， 得 到综合评价权重， 最后将综合评价权重与原始数 据相乘并求和， 得到评价目标的综合评价结果。 本设计提高了 评价结果的准确度。 权利要求书3页 说明书10页 附图5页 CN 114331176 A 2022.04.12 CN 114331176 A 1.一种基于最小交叉熵准则融合主客观评价的评价方法， 其特征在于， 该方法包括以 下步骤： S1、 明确评价对象与评价目标， 对评价过程进行抽象化处理， 建立评价对象集合、 与评 价目标相关的数据项的属性集合、 专家集合及评价对象在数据项下的原始数据的数据集 合； S2、 对原始数据进行归一化处理， 计算贡献度矩阵， 通过熵权法得到各数据项的客观评 价权重； S3、 获取专家对各数据项的评价结果， 并利用最小交叉熵准则融合各专家的评价结果， 得到各数据项的主观评价权 重； S4、 利用最小交叉熵准则融合主观评价权重与客观评价权重， 得到综合评价权重， 最后 将综合评价权 重与原始数据相乘并求和， 得到 评价目标的综合评价结果。 2.根据权利要求1所述的一种基于最小交叉熵准则融合主客观评价的评价方法， 其特 征在于： 步骤S1中， 评价对象集 合为： O＝{ai|i＝1， 2， ...， m}表示m个评价对象； 属性集合为： A＝{ci|i＝1， 2， ...， n}表示与评价目标相关的n个数据项； 专家集合为： D＝{di|i＝1， 2， ...， l}表示 参与评价的l 位专家； 数据集合为： X＝{xij|i＝1， 2， ...， m； j＝1， 2， ...， n}表示评价对象在数据项下的原始 数据。 3.根据权利要求2所述的一种基于最小交叉熵准则融合主客观评价的评价方法， 其特 征在于： 步骤S2具体包括以下步骤： S21、 利用mi n‑max标准化方法， 对原 始数据进行归一 化处理； 正向指标的归一 化表现形式为： 负向指标的归一 化表现形式为： 其中， 为某一指标下所有对象数据的最小值， 为某一指标 下所有对象数据的最大值， yij为归一化后的数据； S22、 将所有指标的所有数据都映射到 0到1之间， 计算得到数据的贡献度pij： S23、 计算各 数据项的信息熵：权　利　要　求　书 1/3 页 2 CN 114331176 A 2其中， m为评价对象集 合O中的元 素个数， C＝1/l n m为常数； S24、 定义变异系数gj作为信息效用的度量； gj＝1‑Hj S25、 计算各 数据项的客观评价权 重α ＝[α1， α2， ...， αn]T， T为向量 转置： 4.根据权利要求3所述的一种基于最小交叉熵准则融合主客观评价的评价方法， 其特 征在于： 步骤S3中， 采用最小交叉熵准则计算各 数据项的主观评价权 重 其中， 为各数据项的主观评价权重， k∈D； θk为不同专家评价 结果的重要程度； Dk( β0||βk)为交叉熵的表达式； 上述优化问题的解具有如下 形式， 计算得到融合后的主观评价权 重： 5.根据权利要求4所述的一种基于最小交叉熵准则融合主客观评价的评价方法， 其特 征在于： 步骤S4中， 利用最小交叉熵准则融合主观评价权重与客观评价权重， 得到综合评价 权重ω： minγD(ω| |β0)+(1‑γ)D(ω| |α )权　利　要　求　书 2/3 页 3 CN 114331176 A 3