基于云模型的模糊综合评价
1、云模型，主要分为正向云模型和逆向云模型，在进行综合评价时，一般是从定性到定量的评价，即正向云模型。随机型模型的建立是基于数理统计知识的基础上，其中适用度最大的是正态云模型，即云的分布形状满足正态分布。
2、应用结果表明，云模型汲取了自然语言的优点，突破了已有方法的局限，能够把模糊性和随机性有机地综合在一起，在空间数据挖掘中构成定性和定量相互间的映射，发现的知识具有可靠性。
3、多元线性评价模型。多元线性模型在单一式的基础上趋向综合，且把财务风险概括在某一范围内，这是它的突破，但仍没有考虑企业的成长能力，同时它的假设条件是变量服从多元正态分布，没有解决变量之间的相关性问题。这种方法在现实中比较常见。综合评价法。
4、针对高光谱影像监督分类，可以把现有的分类算法分为光谱特征匹配分类、统计模型分类、同质地物提取分类、纹理信息辅助分类、面向对象分类、决策树分类、模糊聚类方法、专家系统分类、神经网络分类、支持向量机分类、流行学习分类、集成学习分类、基于云模型分类等方法。
5、韩世莲运用多准则模糊层次分析法进行配送中心选址的综合评价与决策， 从自然环境、交通运输、经营环境、地理条件和公共设施五个方面综合考虑， 并建立了由三层共计条准则构成的评价指标体系。夏景虹设计了包括区位条件、交通设施、其他设施、建设条件和社会环境个一级指标和个二级指标。
模糊综合评价法应用程序
1、模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。
2、模糊综合评价法在机电产品评估中扮演重要角色，首先，我们需要设定各级评价因素。一级评价因素：价格：可直接评价，也可细化到总价格合理性、报价表完整性等。商务：如交货期、付款条件，可细分为质保期、业绩和信誉。技术：需设置下属二级因素，具体视项目需求。伴随服务：如售后服务响应时间、收费标准等。
3、模糊综合评价，spss里没法直接分析，可以使用SPSSAU分析，遇到问题可以查看帮助手册。
4、模糊综合评价法步骤如下：模糊综合评价指标的构建 模糊综合评价指标体系是进行综合评价的基础，评价指标的选取是否适宜，将直接影响综合评价的准确性。进行评价指标的构建应广泛涉猎与该评价指标系统行业资料或者相关的法律法规。采用构建好权重向量 通过专家经验法或者AHP层次分析法构建好权重向量。
5、模糊综合评价法解题步骤 总结与体会 模糊综合评价法的优点：模糊综合评价法的缺点：定义：设U是论域，称映射 确定了一个U上的模糊子集 。映射 称为 隶属函数， 称为x对A的隶属程度，简称隶属度。模糊集合A由隶属函数 唯一确定，故认为二者是等同的。
数学建模-综合评价-模糊评价
数学建模中的综合评价，尤其是模糊评价法，以其独特的优势在处理多因素复杂问题上大放异彩。模糊分析法，源于模糊集理论，突破了传统评价的精确边界，通过模糊关系的合成，为多维度的评判提供了强大的工具。
模糊综合评价的流程如下：首先构建因素集（评价指标）、评语集（模糊概念）和权重集，目标是为给定对象找到最贴切的评语，评价标准即为隶属度。一级模糊综合评价模型的步骤包括构建判断矩阵、加权、计算综合隶属度以及选择最高隶属度的评语。
模糊数学将主观性转化为定量，其系统性强，特别适合处理不确定性。例如，通过隶属度来衡量某品牌零食的评价，综合结果为“一般”。模糊综合评价法的优势在于简便易行且精确，但指标权重的主观性是其潜在问题。同时，TOPSIS方法依赖于距离计算，虽能避免主观性，但选择量化指标的难度不小。
模糊集合A由隶属函数 唯一确定，故认为二者是等同的。 这里 表示 对模糊集A的隶属程度是 .模糊集并不再回答“是或不是”的问题，而是对每个对象给一个隶属度，所以与经典集合有本质区别。模糊集的运算 设A，B是论域U的两个模糊集合，定义： 模糊矩阵 设 ，称R为模糊矩阵。
