集对分析法用什么软件

集对分析法用matlab软件。
1、通过五元联系度对评价指标集与评价等级之间进行同一，差异，对立的集对分析。
2、针对各个评价指标之间的无序性，利用熵权法来计算各个评价指标的权重，并结合Matlab对权重计算进行简化，提高计算精度
3、经过实例分析，并与模糊综合评价，LVP神经网络法表明熵权集对分析法的合理性，可靠性，并根据联系度的同异反态势来确定联系度的集对态势。

主成分分析法和层次分析法异同
1基于相关性分析的指标筛选原理
两个指标之间的相关系数，反映了两个指标之间的相关性。相关系数越大，两个指标反映的信息相关性就越高。而为了使评价指标体系简洁有效，就需要避免指标反映信息重复。通过计算同一准则层中各个评价指标之间的相关系数，删除相关系数较大的指标，避免了评价指标所反映的信息重复。通过相关性分析，简化了指标体系，保证了指标体系的简洁有效。
2基于主成分分析的指标筛选原理
（1）因子载荷的原理
通过对剩余多个指标进行主成分分析，得到每个指标的因子载荷。因子载荷的绝对值小于等于1，而绝对值越是趋向于1，指标对评价结果越重要。
（2）基于主成分分析的指标筛选原理
因子载荷反映指标对评价结果的影响程度，因子载荷绝对值越大表示指标对评价结果越重要，越应该保留；反之，越应该删除。通过对相关性分析筛选后的指标进行主成分分析，得到每个指标的因子载荷，从而删除因子载荷小的指标，保证筛选出重要的指标。
3相关性分析和主成分分析相同点
一是，基于相关性分析的指标筛选和基于主成分分析的指标筛选，均是在准则层内进行指标的筛选处理，准则层之间不进行筛选。这种做法的原因是，通过人为地划分不同准则层，反映评价事物不同层面的状况，避免误删反应信息不同的重要指标。
二是，基于相关性分析的指标筛选和基于主成分分析的指标筛选的思路，均是筛选出少量具有代表性的指标。
4相关性分析和主成分分析不同点
一是，两次筛选的目的不同：基于相关性分析的指标筛选的目的是删除反应信息冗余的评价指标。基于主成分分析的指标筛选的目的是删除对评价结果影响较小的评价指标。
二是，两次筛选的作用不同：基于相关性分析的指标筛选的作用是保证蹄选出的评价指标体系简洁明快。基于主成分分析的指标简选的目的是筛选出重要的指标。

释义
1：物理学上指热能除以温度所得的商，标志热量转化为功的程度。
2: 科学技术上用来描述、表征体系混乱度的函数。亦被社会科学用以借喻人类社会某些状态的程度。
3：熵是生物亲序，是行为携灵现象。科学家已经发明了测量无序的量，它称作熵，熵也是混沌度，是内部无序结构的总量。
[编辑本段]历史
1850年，德国物理学家鲁道夫·克劳修斯首次提出熵的概念，用来表示任何一种能量在空间中分布的均匀程度，能量分布得越均匀，熵就越大。一个体系的能量完全均匀分布时，这个系统的熵就达到最大值。 在克劳修斯看来，在一个系统中，如果听任它自然发展，那么，能量差总是倾向于消除的。让一个热物体同一个冷物体相接触，热就会以下面所说的方式流动：热物体将冷却，冷物体将变热，直到两个物体达到相同的温度为止。克劳修斯在研究卡诺热机时，根据卡诺定理得出了对任意循环过程都都适用的一个公式 ：dS=（dQ/T）。
对于绝热过程Q＝0，故S≥0，即系统的熵在可逆绝热过程中不变，在不可逆绝热过程中单调增大。这就是熵增加原理。由于孤立系统内部的一切变化与外界无关，必然是绝热过程，所以熵增加原理也可表为：一个孤立系统的熵永远不会减少。它表明随着孤立系统由非平衡态趋于平衡态，其熵单调增大，当系统达到平衡态时，熵达到最大值。熵的变化和最大值确定了孤立系统过程进行的方向和限度，熵增加原理就是热力学第二定律。
1948年，香农在Bell System Technical Journal上发表了《通信的数学原理》（A Mathematical Theory of Communication）一文，将熵的概念引入信息论中。
[编辑本段]熵函数的来历
热力学第一定律就是能量守恒与转换定律，但是它并未涉及能量转换的过程能否自发地进行以及可进行到何种程度。热力学第二定律就是判断自发过程进行的方向和限度的定律，它有不同的表述方法：热量不可能自发地从低温物体传到高温物体；热量不可能从低温物体传到高温物体而不引起其他变化；不可能从单一热源取出热量使之全部转化为功而不发生其他变化；第二类永动机是不可能造成的。热力学第二定律是人类经验的总结，它不能从其他更普遍的定律推导出来，但是迄今为止没有一个实验事实与之相违背，它是基本的自然法则之一。
由于一切热力学变化（包括相变化和化学变化）的方向和限度都可归结为热和功之间的相互转化及其转化限度的问题，那么就一定能找到一个普遍的热力学函数来判别自发过程的方向和限度。可以设想，这种函数是一种状态函数，又是一个判别性函数（有符号差异），它能定量说明自发过程的趋势大小，这种状态函数就是熵函数。
如果把任意的可逆循环分割成许多小的卡诺循环，可得出
∑(δQi/Ti)r＝0 (1)
即任意的可逆循环过程的热温商之和为零。其中，δQi为任意无限小可逆循环中系统与环境的热交换量；Ti为任意无限小可逆循环中系统的温度。上式也可写成�
�∮(δQr/T)＝0 (2)
克劳修斯总结了这一规律，称这个状态函数为“熵”，用S来表示，即
dS＝δQr/T (3)
对于不可逆过程，则可得�
dS＞δQr/T (4)
或 dS－δQr/T＞0 (5)
这就是克劳修斯不等式，表明了一个隔离系统在经历了一个微小不可逆变化后，系统的熵变大于过程中的热温商。对于任一过程（包括可逆与不可逆过程），则有�
dS－δQ/T≥0 (6)
式中：不等号适用于不可逆过程，等号适用于可逆过程。由于不可逆过程是所有自发过程之共同特征，而可逆过程的每一步微小变化，都无限接近于平衡状态，因此这一平衡状态正是不可逆过程所能达到的限度。因此，上式也可作为判断这一过程自发与否的判据，称为“熵判据”。�
对于绝热过程，δQ＝0，代入上式，则�
dSj≥0 (7)
由此可见，在绝热过程中，系统的熵值永不减少。其中，对于可逆的绝热过程，dSj＝0，即系统的熵值不变；对于不可逆的绝热过程，dSj＞0，即系统的熵值增加。这就是“熵增原理”，是热力学第二定律的数学表述，即在隔离或绝热条件下，系统进行自发过程的方向总是熵值增大的方向，直到熵值达到最大值，此时系统达到平衡状态。
[编辑本段]熵函数的统计学意义
玻尔兹曼在研究分子运动统计现象的基础上提出来了公式：
S＝k×LnΩ (8)
其中，Ω为系统分子的状态数，k为玻尔兹曼常数。
这个公式反映了熵函数的统计学意义，它将系统的宏观物理量S与微观物理量Ω联系起来，成为联系宏观与微观的重要桥梁之一。基于上述熵与热力学几率之间的关系，可以得出结论：系统的熵值直接反映了它所处状态的均匀程度，系统的熵值越小，它所处的状态越是有序，越不均匀；系统的熵值越大，它所处的状态越是无序，越均匀。系统总是力图自发地从熵值较小的状态向熵值较大（即从有序走向无序）的状态转变，这就是隔离系统“熵值增大原理”的微观物理意义。
[编辑本段]基本特性
·熵均大于等于零，即，H_s \ge 0。
·设N是系统S内的事件总数，则熵H_s \le log_2N。当且仅当p1=p2==pn时，等号成立，此时熵最大。
·联合熵：H(X,Y) \le H(X) + H(Y)，当且仅当X，Y在统计学上相互独立时等号成立。
·条件熵：H(X|Y) = H(X,Y) - H(Y) \le H(X)，当且仅当X，Y在统计学上相互独立时等号成立。
·社会学意义：从宏观上表示世界和社会在进化过程中的混乱程度。
[编辑本段]应用

热力学
熵在热力学中是表征物质状态的参量之一，通常用符号S表示。在经典热力学中，可用增量定义为dS＝(dQ/T)，式中T为物质的热力学温度；dQ为熵增过程中加入物质的热量。下标“可逆”表示加热过程所引起的变化过程是可逆的。若过程是不可逆的，则dS＞(dQ/T)不可逆。从微观上说，熵是组成系统的大量微观粒子无序度的量度，系统越无序、越混乱，熵就越大。热力学过程不可逆性的微观本质和统计意义就是系统从有序趋于无序，从概率较小的状态趋于概率较大的状态。
单位质量物质的熵称为比熵，记为s。熵最初是根据热力学第二定律引出的一个反映自发过程不可逆性的物质状态参量。
热力学第二定律是根据大量观察结果总结出来的规律，有下述表述方式：
①热量总是从高温物体传到低温物体，不可能作相反的传递而不引起其他的变化；
②功可以全部转化为热，但任何热机不能全部地、连续不断地把所接受的热量转变为功（即无法制造第二类永动机）；
③在孤立系统中，实际发生的过程总使整个系统的熵值增大，此即熵增原理。摩擦使一部分机械能不可逆地转变为热，使熵增加。热量dQ由高温(T1)物体传至低温(T2)物体，高温物体的熵减少dS1=dQ/T1，低温物体的熵增加dS2=dQ/T2，把两个物体合起来当成一个系统来看，熵的变化是dS＝dS2+dS1＞0，即熵是增加的。
物理学家玻尔兹曼将熵定义为一种特殊状态的概率：原子聚集方式的数量。可精确表示为：
S=K㏑W
K是比例常数，现在称为玻尔兹曼常数。

科学哲学
科学技术上泛指某些物质系统状态的一种量（liàng）度，某些物质系统状态可能出现的程度。亦被社会科学用以借喻人类社会某些状态的程度。熵是不能再被转化做功的能量的总和的测定单位。这个名称是由德国物理学家鲁道尔夫·克劳修斯〔鲁道尔夫·克劳修斯(1822—1888)〕德国物理学家，热力学的奠基人之一。于1868年第一次造出来的。但是年轻的法国军官沙迪·迦诺〔沙迪·迦诺(1796—1832)〕一般译作“卡诺”，法国物理学家、工程师，在研究热机效率的过程中，提出了“卡诺循环”定理。却比克劳修斯早41年发现了熵的原理。迦诺在研究蒸汽机工作原理时发现，蒸汽机之所以能做功，是因为蒸汽机系统里的一部分很冷，而另一部分却很热。换一句话说，要把能量转化为功，一个系统的不同部分之间就必须有能量集中程度的差异(即温差)。当能量从一个较高的集中程度转化到一个较低的集中程度(或由较高温度变为较低温度)时，它就做了功。更重要的是每一次能量从一个水平转化到另一个水平，都意味着下一次能再做功的能量就减少了。比如河水越过水坝流入湖泊。当河水下落时，它可被用来发电，驱动水轮，或做其他形式的功。然而水一旦落到坝底，就处于不能再做功的状态了。在水平面上没有任何势能的水是连最小的轮子也带不动的。这两种不同的能量状态分别被称为“有效的”或“自由的”能量，和“无效的”或“封闭的”能量。
熵的增加就意味着有效能量的减少。每当自然界发生任何事情，一定的能量就被转化成了不能再做功的无效能量。被转化成了无效状态的能量构成了我们所说的污染。许多人以为污染是生产的副产品，但实际上它只是世界上转化成无效能量的全部有效能量的总和。耗散了的能量就是污染。既然根据热力学第一定律，能量既不能被产生又不能被消灭，而根据热力学第二定律，能量只能沿着一个方向——即耗散的方向——转化，那么污染就是熵的同义词。它是某一系统中存在的一定单位的无效能量。
信息论
在信息论中，熵表示的是不确定性的量度。信息论的创始人香农在其著作《通信的数学理论》中提出了建立在概率统计模型上的信息度量。他把信息定义为“用来消除不确定性的东西”。
熵在信息论中的定义如下：
如果有一个系统S内存在多个事件S = {E1,,En}, 每个事件的机率分布 P = {p1, , pn}，则每个事件本身的讯息为
Ie = − log2pi
（对数以2为底，单位是位元(bit)）
Ie = − lnpi
（对数以e为底，单位是纳特/nats）
如英语有26个字母，假如每个字母在文章中出现次数平均的话，每个字母的讯息量为
I_e = -\log_2 {1\over 26} = 47
；而汉字常用的有2500个，假如每个汉字在文章中出现次数平均的话，每个汉字的信息量为
I_e = -\log_2 {1\over 2500} = 113
整个系统的平均消息量为
H_s = \sum_{i=1}^n p_i I_e = -\sum_{i=1}^n p_i \log_2 p_i
这个平均消息量就是消息熵。因为和热力学中描述热力学熵的玻耳兹曼公式形式一样，所以也称为“熵”。
如果两个系统具有同样大的消息量，如一篇用不同文字写的同一文章，由于是所有元素消息量的加和，那么中文文章应用的汉字就比英文文章使用的字母要少。所以汉字印刷的文章要比其他应用总体数量少的字母印刷的文章要短。即使一个汉字占用两个字母的空间，汉字印刷的文章也要比英文字母印刷的用纸少。
实际上每个字母和每个汉字在文章中出现的次数并不平均，因此实际数值并不如同上述，但上述计算是一个总体概念。使用书写单元越多的文字，每个单元所包含的讯息量越大。
I(A)度量事件A发生所提供的信息量，称之为事件A的自信息，P(A)为事件A发生的概率。如果一个随机试验有N个可能的结果或一个随机消息有N个可能值，若它们出现的概率分别为p1,p2,…，pN,则这些事件的自信息的和：[H=-SUM(pilog(pi)),i=1,2…N]称为熵。

对于不可逆过程，则可得：
dS>δQr/T (1-4)
或 dS－δQr/T>0 (1-5)
这就是克劳修斯不等式，表明了一个隔离系统在经历了一个微小不可逆变化后，系统的熵变大于过程中的热温商。对于任一过程（包括可逆与不可逆过程），则有：
dS－δQ/T≥0 (1-6)
式中：不等号适用于不可逆过程，等号适用于可逆过程。由于不可逆过程是所有自发过程之共同特征，而可逆过程的每一步微小变化，都无限接近于平衡状态，因此这一平衡状态正是不可逆过程所能达到的限度。因此，上式也可作为判断这一过程自发与否的判据，称为“熵判据”。
对于绝热过程，δQ=0，代入上式，则：
dSj≥0 (1-7)
由此可见，在绝热过程中，系统的熵值永不减少。其中，对于可逆的绝热过程，dSj=0，即系统的熵值不变；对于不可逆的绝热过程，dSj>0，即系统的熵值增加。这就是“熵增原理”，是热力学第二定律的数学表述，即在隔离或绝热条件下，系统进行自发过程的方向总是熵值增大的方向，直到熵值达到最大值，此时系统达到平衡状态。[3]
统计学意义
玻尔兹曼在研究分子运动统计现象的基础上提出来了公式：
S=k×LnΩ (1-8)
其中，Ω为系统分子的状态数，k为玻尔兹曼常数。
这个公式反映了熵函数的统计学意义，它将系统的宏观物理量S与微观物理量Ω联系起来，成为联系宏观与微观的重要桥梁之一。基于上述熵与热力学几率之间的关系，可以得出结论：系统的熵值直接反映了它所处状态的均匀程度，系统的熵值越小，它所处的状态越是有序，越不均匀；系统的熵值越大，它所处的状态越是无序，越均匀。系统总是力图自发地从熵值较小的状态向熵值较大的状态转变，这就是隔离系统熵值增大原理的微观物理意义。
熵的引入
热力学第二定律的克劳修斯表述和开尔文表述虽然描述的是两类不同的现象，表述也很不一样，但两者的本质是一样的那便是热功转化的不可逆性。热力学第一定律引入了“热功当量”概念，才使得热、机械、光、电、化学等各种能量形式可以相互作定量比较；热力学第二定律必须引入一个新的概念，才能对所有的转变形式作出定量的比较。
根据卡诺定理，工作于相同的高温及低温热源间的所有可逆卡诺热机的效率都应相等：
式中 Q1和 Q2是卡诺循环中两等温过程中传递的热量，而两绝热过程中无热量传递。
克劳修斯开始把它叫做 "转变当量"，后来他取转变的含义，从希腊文中造出 entropy 一词称呼它。中文译作 "熵"，意指它是热与温度的商，且与火的动力有关。引入熵概念之后，热力学第二定律则可表述为：在隔离体系内，任何变化都不可能导致熵的总值减少，即 dS≥0。如果变化的过程是可逆的，则 dS=0；如果变化过程是不可逆的，则 dS>0。热力学第二定律亦被称为熵增原理或熵定律。这样，熵增原理就为热力学第二定律给出了一个定量的表述，它指明了过程进行的方向，在隔离体系内发生的任何变化过程，体系熵值均不可能减少，对于不可逆过程，熵值总是增加的。通过定量地计算系统状态的熵值变化便能定量地研究过程进行的方向和限度。需要指出，熵增原理并不是说隔离体系中局部体系的熵值不能减少，而是要将局部体系和其所处环境综合起来考虑。如果整个体系是隔离体系，根据熵增原理，整个体系的总熵是恒增的，局部体系的熵值减少，必然伴随着其他部分的熵值有更大的增加。[4]
熵和能
隔离体系中发生的任何实际变化过程，其内能保持不变，但是其熵值恒增。在隔离体系中发生的变化均是非平衡态向平衡态的过渡，体系达到平衡时的熵值最大。若体系处于非平衡态时，体系内部必定存在着某种不均匀性，如温度的不均匀性，这样就可以利用温差做功，所做功的大小与温差成正比。随着体系向平衡态过渡，体系内各部分的温差越来越小，可做的功也就越来越少，即可利用的能量越来越少。当体系达平衡态时，系统内温度均匀，这时虽然体系内能的总值维持不变，但再也不可能产生功了。这就表明在一切实际变化过程中能量的总值虽然可以保持不变，但其可利用的程度随着熵的增加而降低，能量越来越多地不能被用来做功，能量的品质退化了，价值贬低了。熵是不可逆能量耗散程度的量度 "不可逆能量耗散越多，熵变化越大 "熵增加意味着有效作功能量的减少。
热力学第一定律告诉我们，能量的总值是守恒的。能量既不能凭空产生又不能凭空消失。热力学第二定律则进一步告诉我们，能量不可能是用之不竭的，在一个隔离体系中越来越多的能量将变成无效的。虽然对于一个局部体系，我们可以使其熵值减少，使其能量得以恢复，但此举的代价便是周围环境中更多的能量变为无效。

武器装备作战效能评估系统软件常用方法

武器效能评估系统是为解决武器装备效能评估问题新研发的一款软件，武器效能评估系统用于武器装备论证、研制、试验、使用等不同阶段的效能评估，武器效能评估系统为作战体系、装备体系评价和优化提供定量依据。武器效能评估系统能够使用仿真、靶试、演习等多种来源的实验数据，将效能评估贯穿武器装备全生命周期。

1武器效能评估系统介绍

武器效能评估系统是为解决武器装备效能评估问题新研发的一款软件，武器效能评估系统用于武器装备论证、研制、试验、使用等不同阶段的效能评估，武器效能评估系统作为作战体系、装备体系评价和优化提供定量依据。武器效能评估系统能够使用仿真、靶试、演习等多种来源的试验数据，效能评估贯穿武器装备全生命周期。

北京软件开发武器效能评估系统主要包括以下特点：

1、支持实时评估;

3、支持专家在线打分;

4、集成化评估环境;

5、友好易用的图形化界面;

6、多种形式的评估结果展示;

7、支持用户自定义评估算法

8、提供包含81中算子的指标计算流程编辑工具;

9、所及即所得指标体系、评估方案、评估流程设计;

10、系统支持32/64位的Windows XP/Windows 7，以及麒麟国产化 *** 作系统。

2系统架构

21功能架构

武器效能评估系统主要包括评估工程管理、指标体系管理、评估任务管理、数据处理、评估预算、报告生成和资源管理7大模块，具体的功能架构图如下：

22技术选型

武器效能评估系统采用QT进行开发，可以实现跨平台(支持Windows/Linux系统)，具体的技术选型如下：

23技术架构

武器效能评估系统使用MVC架构进行开发，界面采用Widgets、Window开发窗体，样式使用StyleCss进行开发，饼图、柱状图、折线图等图形的开发使用QtCharts组件，具体的技术架构图如下：

技术架构图

3功能需求

31评估工程管理

评估工程管理为效能评估提供统一的资源管理平台，可快速检索和显示各资源的关键属性，并且能够启动选择的资源编辑工具进行编辑。评估工程管理工具支持评估工程的创建、删除及工程项目的查看 *** 作。

支持评估工程的新建、支持评估工程的显示及打开、支持评估工程的删除、支持评估工程的关闭、支持评估工程的查找、支持评估工程的保存。

一个评估工程包括指标体系、评估方案、评估任务和数据聚集。

评估工程管理

32指标体系管理

指标体系管理模块负责指标体系的创建、编辑与保存。指标体系是通过对同一类评估对象各种特性逐层抽取，而得到的描述指标间的依赖关系的有向图。该模块支持

成本型、效益型、固定型、偏离型四种

类型的指标的可视化创建与编辑;构建指标体系过程中支持层次分析法、环比系数法、熵权法、离差最大化法、自定义权重五种权重设定方法。

支持指标体系的新建、支持指标体系的编辑、支持指标体系的删除、支持指标体系聚合流程的设置、支持指标体系聚合流程的删除。

指标体系管理

层次分析法去权重计算界面

33评估任务管理

评估任务管理负责对评估任务的创建、编辑与保存。评估任务是指采用统一的评估方案对一个或多个相关评估对象进行一次评估的过程。创建评估任务首先需要设定评估对象和评价等级，而后通过配置评估流程中的算子参数，将数据预处理获得的数据输入给评估流程。

支持评估任务的新建、编辑、删除;支持评估模板的创建、支持评估模板中评估实例的删除、新建及评估实例的对比。

评估任务管理

34数据处理功能

评估数据预处理功能主要对各种来源的评估数据进行分组、过滤、归并、属性压缩变换、以及数据统计计算，获得能够供各类效能评估算法使用的数据。数据预处理 模

块可以对一系列数据源和数据集进行管理。

支持数据源的导入、支持数据源处理、支持底层指标数据的预览。

数据预处理编辑

35评估运算功能

支持计算检查、支持评估计算、支持评估结果显示、支持效能指标评估结果的存储。

提供常用27类常用算法提供算法向导，方便用户直接采用各类算法进行计算。具体方法包括：层次分析法、模糊综合法、灰色白化权函数聚类、TOPSIS法、 趋

势面分析、数据包络法、主成分分析法、极差分析、方差分析、主成分分析、因子分析、支持向量机、环比系数法、ADC法、SEA法、数据一致性分析、平滑滤

波法、窗谱分析法、最大熵谱分析、一元拟合法、点估计、单总体区间估计、两个总体区间估计、单总体假设检验、两个总体假设检验、偏度和峰度检验、正态性检

验、奇异值过滤。

查看评估任务

36报告生成功能

支持评估结果的对比分析、支持灵敏度分析功能、支持报告自动生成功能。

灵敏度分析

37资源管理功能

支持算子管理、支持数据集模板管理。

---