《表2 方法比较：面向犹豫模糊语言信息的大型群体分类集结模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向犹豫模糊语言信息的大型群体分类集结模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

与文献[6]方法相比（见表2），两种方法在期望值、排序结果方面相似，而由本文方法所得的相似性均大于文献[6]方法，从而表明了本文方法的有效性.具体而言，在计算过程中，文献[6]方法未对大群体考虑分类，需要集结30个专家的差异信息，使得大型群体决策情况计算量较大且计算过程复杂；而本文方法将专家分为6类，类内无需考虑差异性，只需将6类信息差异化处理即可，在简化了计算过程的同时保证了决策结果的准确性（见表2，两种方法在期望值和排序方法上均相似）.若考虑分类，则在同等类别下，基于两种相似度所获得的分类精度指标值，本文方法均低于文献[6]方法.例如，将专家分为4类时，文献[6]方法的Ip=16.033，本文方法的Ip=15.6，显然本文方法分类精度较高.此外，两种方法所得的对象可靠度较为接近，这是因为本文案例取α=0.而对于其他案例情况，本文方法可对α值进行灵活调整以提高决策可靠度，有助于得出各对象较为符合专家意见的语言概率分布.本案例表明，文献[6]的集结方法是本文方法的特例，即α=0.在相似度计算方面，本文方法所得相似度从两个方面考虑:交集和补集，未造成信息损失，且两语言集合存在交集时，所得相似度均大于文献[6]方法.