基于区间分布信息的多点主成分综合评价方法研究

针对两类传统的区间主成分分析方法的不足,提出了一种适合综合评价活动的多点区间主成分,并通过数值模拟分析,与既有区间主成分分析方法进行了有效性的比较。结果发现:第一,代表点的增加会增强结论的可靠性,同时,CPCA在整体上优于V-PCA,但在大样本和多指标下V-PCA是更好的选择;第二,在评价活动中,指标较多或样本较大时应选择N-MP-PCA法,而指标较少或小样本下则首选T-MP-PCA法。另外,均匀分布产生的区间数表明N-MP-PCA适合长区间,SG-MP-PCA适合短区间,而正态分布产生的区间数则支持N-MP-PCA适合长区间,T-MP-PCA适合短区间的结论。第三,区间主成分个数及载荷矩阵的产生方式对结论无显著性影响。

三角模糊分析法在企业知识管理绩效评价中的应用

针对知识管理评价主观性强,提出基于区间主成分分析法的知识管理评价方法。文章采用三角模糊区间数来量化定性指标,基于主成分法来分析指标的结构和权重,实现知识管理的全面评价。

三角模糊分析法在企业KM绩效评价中的应用

针对知识管理评价主观性强,提出基于区间主成分分析法的知识管理评价方法。文章采用三角模糊区间数来量化定性指标,基于主成分法来分析指标的结构和权重,实现知识管理的全面评价。