评价模型
开篇：润墨网以专业的文秘视角，为您筛选了八篇评价模型范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
评价模型范文第1篇
关键词 供应商管理；评价方法；实现设计
中图分类号C936 文献标识码A 文章编号 1674-6708（2011）34-0082-02
原材料采购成本一般占产品成本的60%~80%，因此，供应商的评价与选择是供应链关系构建的基础和前提。
1 供应商的评价与选择概述
主要有两个方面：一是评价指标的选择及指标体系的建立；二是与评价指标体系相对应的评价方法的选用。评价与选择的方法大体上可以分为定性和定量评价两大类。
1.1 评价与选择供应商的定性方法
1）直观判断法；2）招标法；3）协商选择法。
1.2 评价与选择供应商的定量方法
1）线性权重法；2）采购成本法；3）ABC成本法；4）数据包络分析法。
无论是定性还是定量都是为了更好的对供应商做出评价，最后选出最佳的供应商。
2 供应商评价与选择的现状分析
2.1 供应商评价工作的基本原则
1）系统全面性原则；2）简明科学性原则；3）及时更新原则；4）可操作性原则；5）供应源数量控制原则；6）供应链战略原则。
2.2 传统的评价选择方法的问题
传统的选择过程中存在一定的问题即未能持续进行。在选择过程中，首先出现问题不能马上反映；其次年度考核过于形式化，容易使考评软化；最后对供应商的激励和监督不及时。
3 供应商综合评估模型的建立
社会不断发展，系统越来越复杂，信息不充分性等问题很难用精确的方法进行评价，此时模糊方法对复杂系统的评价会更具有优势，因此选用模糊数学综合评价技术来建立供应商综合评估的数学模型。
表1供应商的综合实力指标评价体系
3.1 评语集的确定
在评价体系中包含各级评价标准，在本系统中的评语集分十个等级构成：V={10，20，30，40，50，60，70，80，90，100}简记为V={Vi}i=1,2,…10；
3.2 指标权重矩阵的确定
表1中一级指标5项、二级指标17项的权重反映了某个因素对目标的重要程度。
一级指标
权重记为:其中Wi表示一级指标Ui的权重，其中此处n=5，且。
二级指标（）权重记为: ，i=1，2，…，n; 即为指标Ui含的二级指标数，且。
3.3 评价矩阵的确定
这一步是由专家组成员逐条对照筛选标准，对被评估实例的二级指标Uij进行评价，评价值为集合V中元素之一。然后再求出该供应商的第i种指标相对于评语集中第j等级的隶属度rij，例如专家组有10人，对指标Uij的评估结果为:2人40，3人50，3人60，1人70，1人80。则Uij的评判值为，即指标Uij相对于V={10，20，30，40，50，60，70，80，90，100} 等次的隶属度分另为记指标Ui的评价矩阵为
其中（）是评估专家对一级指标Ui的第j个二级指标Uij (j=1，2，…，k)的评判值，即为指标Uij相对于V={10，20，30，40，50，60，70，80，90，100}等次的隶属度，这里的m是评语集中的等级数，此处m=10。
3.4 模糊综合评判计算
一级指标Ui (i=1，2，…，n)由k个二级指标构成:（ ），其权重矩阵为:，Ui的评价矩阵为:
可求出指标Ui的评判值为: (i=1，2，…，n) 。再根据一级指标（）的权重矩阵: 求出供应商的综合评判值
得出该供应商的最后得分
4 方案的分析
通过以上对基于模糊一致矩阵的模糊层次分析法的研究及结合供应链管理条件下新的供应商评价指标体系在案例中的应用，说明此模型是一种动态的评价和选择供应商的方法，可以应用于供应链管理中供应商评价选择过程中。
参考文献
[1]刘莉平，陈志刚.一种供应商选择与评价模型[J].控制管理，2008.
[2]郭雪松，孙林岩，徐晟.基于P-SVM的绿色供应商评价模型[J].预测，2007.
[3]王一华.基于Rough +Set理论的图书供应商评价模型[J].商业研究，2008.
[4]黄训江，侯光明.技术装备供应商选择的评价模型[J].理论新探，2005.
评价模型范文第2篇
QFD是在产品创新设计的早期阶段，依据顾客需求，运用多层次演绎分析的方法将顾客需求转换为产品创新设计开发中的技术参数和技术特性，并采取多种措施对顾客需求的满足予以保证，从而全方位保证产品的适用性的系统方法［13］。QFD提供了一种可将顾客需求转化为对应于产品创新设计的适当的技术要求的途径。QFD技术的运用主要通过构建质量屋的方式来完成顾客需求到产品技术特性的转换［14］，它以顾客需求为依据，抽取与顾客需求相关联的技术特性并探讨顾客需求与技术特性之间的相关关系，从而将模糊和多义的顾客的语言转换成为定义相对明确且可测量的技术的语言。QFD以系统展开表和矩阵图为特征，在产品创新设计开发过程中可视化和定量化顾客需求与产品技术特性之间的映射关系，再通过控制产品技术参数与技术特性使得产品创新设计过程有效满足顾客需求。
2基于QFD的产品创新设计方案评价模型
本文所提出的基于QFD的产品创新设计方案评价模型如图1所示。首先，从顾客原始信息中整理构建层次化结构的顾客需求展开表，并计算顾客需求相对重要度;然后，利用质量屋工具将顾客需求及其重要度信息转换为技术特性重要度信息，并利用技术特性重要度信息构建技术特性组合决策模型，获取可最大化顾客满意度的技术特性组合;接着，运用MATLAB进行备选方案设计;最后，运用优选算法从所有备选方案中筛选出设计方案优选序列。本文提出的基于QFD的产品创新设计方案评价模型其具体实施步骤如下:步骤1获取顾客需求。运用访谈、问卷调查、座谈会等多种形式搜集顾客需求信息。顾客需求的原始信息往往是繁杂、重复和多义的，这就需要运用亲和图法(KJ法)对其进行分析和整理，形成层次化结构的顾客需求展开表。步骤2计算顾客需求相对重要度。将层次分析法用于计算顾客需求之间的相对重要度。逐一对比顾客需求之间的相对重要性，构建判断矩阵。检验判断矩阵的一致性比率(RatioofConsistenceIndex，)是否小于等于0.01，并计算顾客需求相对重要度［15］。步骤3构建关系矩阵与自相关矩阵。根据顾客需求抽取与顾客需求相关的技术特性，分析顾客需求与技术特性之间的相关程度，构建相关关系矩阵。同时，考察技术特性之间的相关关系，构建自相关矩阵。步骤4计算修正了的关系矩阵。本文采用Was-serman提出的修正了的关系矩阵计算方法，该计算方法将技术特性自相关矩阵纳入到顾客需求－技术特性相关程度的计算中［16］，可以更为全面地反映产品创新设计方案评价中专家和设计人员的意见，其计算公式为:G，gip———顾客需求与技术特性间的相关关系矩阵;顾客需求i与技术特性p的相关程度;γ，γpj———技术特性间的自相关矩阵;技术特性p与技术特性j之间的相关程度;R，γij———修正后的顾客需求－技术特性关系矩阵，修正后顾客需求i与技术特性j的相关程度。步骤5获取技术特性的设计成本系数和设计时间系数。假设产品创新设计的总成本为C*，总时间为T*，通过产品创新设计质量屋确定满足顾客需求的技术特性有n项。设变更第j项技术特性值需要投入费用的区间估计为［c－j，c+j］，其中c－j≤c+j;对第j项技术特性进行设计需要时间的区间估计为［t－j，t+j］，其中t－j≤t+j。可以通过引入决策态度因子将区间估计决策信息映射为点决策信息［17－20］。以设计费用cj为例，设cj为对第j个技术特性进行设计的费用，则:εj———设计成本决策态度因子(|εj|≤0.5)，表示设计开发人员对决策问题的态度，可将其分为悲观型、中间型和乐观型，相应的取值范围为－0.5≤εj＜0，εj=0，0＜εj≤0.5。类似地，可以计算技术特性的设计时间系数:步骤6求解整数规划模型。用hj表示第j项技术特性的重要度，也代表设计指标对顾客满意度的贡献度。其计算公式为:Q，qj———技术特性设计决策向量，第j项技术特性的设计决策;Yk，ykj———设计方案k的技术特性设定值向量，设计方案k的第j项技术特性设定值;Y0，y0j———基准产品的技术特性设定值向量，基准产品第j项技术特性设定值;对上述模型进行求解，能够在有限的资源C*和T*的条件下，确定实现顾客满意度最大化的技术特性组合，从而明确了产品创新设计的重点。步骤7计算顾客需求满足度增加率。根据实际需要，按照顾客需求满足度总增加率，选取最优方案排序。运用Mintab15.0进行方案设计，得到个设计方案。第个设计方案带来的顾客需求满足度总增加率为:δk———设计方案k可带来的顾客需求满足度总增加率;λk，λki———第k个设计方案顾客需求满足度增加率(减少率)向量，第k个设计方案第i项顾客需求满足度增加率(减少率)。
3实例研究
3.1分析步骤为进一步验证说明本文所提出的设计方案评价方法，下面以变速器的产品创新设计为例，验证该评价方法的可行性和有效性。步骤1获取、分析顾客需求。顾客需求可根据需要分为几个一次水平的需求项目，每个需求项目再展开为二次水平的需求项目，以此方法定量地逐步导出需求的层级结构。如图2所示。选取九个二层次需求项目纳入变速器产品创新设计质量屋，分别为外型尺寸小(x1)、密封性好(x2)、承载能力大(x3)、速度变化小(x4)、振动噪声低(x5)、传动效率高(x6)、故障率低(x7)、使用寿命长(x8)和维修方便(x9)。步骤2计算顾客需求重要度。两两对比九个顾客需求项目的重要度，得到判断矩阵如图3所示。该判断矩阵一致性比率C.R.=0.01，顾客需求相对权重如图3所示。步骤3构建关系矩阵与自相关矩阵。根据顾客需求，导出技术特性，分别为外型尺寸(y1)、密封性(y2)、承载能力(y3)、速度变化范围(y4)、最大噪音(y5)、情况(y6)、传动效率(y7)、可靠性(y8)和使用寿命(y9)。关系矩阵G与自相关矩阵γ如图3所示。gip取0－1－3－9，分别表示不相关—弱相关—中等相关—强相关;γpj值区间范围为［－1，1］，γpj取负值表示两个技术特性之间负相关，自相关矩阵γ为对称矩阵。步骤4计算修正后的关系矩阵。根据公式(1)，计算修正后的关系矩阵，得:步骤5利用公式(2)—公式(7)计算技术特性的设计成本系数和设计时间系数。进行技术特性的设计成本区间估计、设计成本决策态度因子估算、设计时间区间估计、设计时间决策态度因子估算，如表3所示。步骤6求解整数规划模型。根据表3中所给出的数据和公式(8)—公式(11)，计算得到技术特性的设计成本系数和设计时间系数，产品创新设计总成本预算为10万元，总时间预算为90天。构建整数规划模型如公式(14)所示，求解得技术特性设计决策向量如表4所示。采用该技术组合的设计成本为9.06万元，设计时间为86.3天。步骤7计算顾客需求满足度增加率。运用Mint-ab15.0中的全因子设计进行方案设计，因子总数为6，各因子水平数为2，总共生成64个设计方案，按照公式计算第k个设计方案带来的顾客需求满足度总增加率δk。按照模型测算值降序，根据实际需要选取前8个设计方案序列为:方案8—方案15—方案13—方案4—方案5—方案20—方案28—方案6，如表5所示。3.2讨论由实例分析可以看出，本模型通过质量屋将影响顾客满意度的因素—顾客需求相对重要度(实例中变速器的九项顾客需求的相对重要度向量为(0.04，0.05，0.23，0.06，0.05，0.16，0.10，0.16，0.17))转化为技术特性的相对重要度(实例中变速器的九项技术特性的相对重要度为(0.13，0.20，0.13，0.06，0.05，0.11，0.10，0.10，0.12))，从而为设计决策如何影响顾客满意度提供了最直接的证据。然后，通过公式(2)—(11)计算各项技术特性的设计成本系数(实例中变速器的技术特性设计成本系数向量为(2.40，1.16，1.15，1.40，2.80，1.90，1.20，0.50，1.25))和设计时间系数(实例中变速器的技术特性设计时间系数向量为(17，10，11，13.8，20.8，15，18，10.4，15.3))，可有效将设计成本和设计时间控制在预算内(实例中设计成本预算为10万元，采用目标技术组合的设计成本为9.06万元;设计时间预算为90天，用目标技术组合的设计时间为86.3天。)同时最大化顾客满意度。最后，利用公式(12)和公式(13)计算不同技术特性值下设计方案所带来的顾客需求满足度增加率。根据不同的技术特性取值，利用MINITAB15.0中的全因子方案设计生成64个方案，按照模型测算的顾客满意度增加率降序排列，得到设计方案的优选序列。从实例的计算过程和计算结果来看，模型涵盖了设计决策过程如何最大化顾客满意度的主要影响因素，可以得出设计方案的优选序列，作为产品创新设计方案评价决策的依据。
4结束语
评价模型范文第3篇
【关键词】 模糊数学 评价模型 MATLAB
一、引言
近年来手机资费问题是人们关心的热点问题.但是各地的运营商不断推出各种 “资费套餐”，纷杂多样，手机使用者如何选择适合自己的资费套餐？每种资费套餐适合怎样的人群？
二、资费套餐研究的简化假设
要想较好的进行研究，有必要对部分因素进行一些简化假设：（1）本文中所讨论手机费用指用户平均一月的手机使用费；（2）假定用户为理性消费，提出的服务项目需求刚好满足自己的实际需求，并且长期使用；（3）各功能收费情况彼此没有联系。（4）用户有确定的、持续的交际人群，不同人有不同的交际范围；（5）对于推出的最低消费，因为一般的用户都可以使用完，视为无月租情况；（6）不考虑各类短期优惠政策，侧重话费的四个主要组成部分。
三、问题中的符号设计及其意义
yi为资费方案i的月租费（i=1，2，…，7）；Ti为资费方案i的优惠时间（i=1，2，…，7）；ai为资费方案i超出优惠时间的资费（i=1，2，…，7）；bi为资费方案超出被叫收费的资费（i=1，2，…，7）；t11为本地主叫时间；；t12为本地被叫时间；a2为长途打出电话费单价；b2为长途接听电话费单价；t21为长途打出时间；t22为长途接听时间；a3为漫游打出电话费单价；b3为漫游接听电话费单价；t31为漫游打出时间；t32为漫游接听时间；以上费用单位为元，时间单位为秒。
同时，根据不同的交际范围，用户大多只与本地的人联系，而较少与漫游区，长途区的人联系，以这三种区域为区分标准来定出来的系数：
四、各种“套餐”方案的数学模型以及适用用户
在我们平常的生活中，手机话费一般由月租费，本地话费，漫游活费，长途话费这四部分组成，因此我们可以建立如下话费的数学模型：
我们选择近期比较流行的北京移动“全球通畅听99套餐”与上海移动 “全球通68套餐”为例（套餐具体细则请查看参考文献1），结合数学模型1，对这两种套餐进行研究与分析。首先对北京市、上海市近三年的手机用户通话状况进行查询与搜集，通过分析，可以得到在日常生活中人们主要以本地拨打为主，则根据假设从而得出，η=0，γ=0，即有
根据北京 “全球通畅听99套餐”与上海“全球通68套餐”内的条款可知，本地被叫通话收费为零，即bit12=0，则有：
令北京“全球通畅听99套餐”的各资费方案与上海移动公司“全球通68套餐” 的各资费方案使用MATLAB作图1，图2。
再通过Mathematic对结果进行分析整理，可以得到不同地点，不同通话量的用户所适应的资费方案，例如表1所示：
五、资费套餐的分析、比较与评价
（1）对两种套餐内的各种方案的评价我们引入一个“优惠系数”fi，fi，=，pi为每个方案有的优惠价格，即享受免费通话的金额（月租），yi为总费用。fi是用户使用方案确实得到的优惠的比重，在同一个通话时间中，用fi去度量每个方案的优惠程度，fi越大，表示优惠越多，方案越优。①当未超出规定的免费通话时间时，所有的方案的fi值都是相等的，fi都为1，这时，可根据每个方案的月租大小来选择套餐中的具体方案。②当超出规定的免费通话时间时，计算出fi值，再比较它的大小。经过取多t个值利用Matlab软件进行运算得出fi与pi成正比例关系，取一特定的时间，如：令t=2400（min）时有：
（2）套餐与全球通现行的资费标准的评价，我们采用它们的总费用（主叫+被叫）的大小为准则，通过画出图形分析进行比较、评价。由于现行的资费标准没有设有优惠方案，且为双向收费，所以全球通现行的资费标准与北京畅听99套餐、上海全球通68套餐的对比应分为主叫、被叫两种情况下的对比。因全球通现行标准的计费公式为：y=50+0.4（t11+t12）由于它的计费方式与“北京畅听99套餐”、“上海全球通68套餐”的计费方式相似，运用线性求解，画图，与这两种套餐的主叫、被叫对比如图3、图4所示：
根据图3得出：在t∈[0，45]分钟的范围内，全球通现行的资费标准主叫收费比两套餐中的各方案的主叫收费都要优惠。超出这个范围则选用套餐的主叫收费较优惠。
根据图4得出：全球通现行的资费标准经任何套餐的被叫都要高（套餐被叫免费）。
六、总结
综合以上分析，比较得出结论：对同一用户而言，当他的通话时间较少时，应选月租较少的方案原因是不超出方案规定的免费通话时间时，则不需要支付超时通话的资费，只需支付月租，而月租越少，越优惠。当通话时间较多时，应选月租较多的方案。原因是超时部分的通话时间所产生的费用远大于月租，这时，选用超时资费越低的套餐越省钱。
北京畅听99套餐、上海全球通68套餐与全球通现行资费标准比较，情况如下：① 在t∈[0，45]分钟范围内，接听时间较小的用户选择使用全球通现行资费标准较优惠。原因是，当用户接听时间较大时，接听费用高，用户不愿接受。② 超出t∈[0，45]分钟范围时，选用全球通现行资费标准更优惠。原因是超出这个范围后，套餐主叫收费较全球通现行资费低，且不需要支付被叫费用。
参 考 文 献
[1] 吴先锋，张瑜. 通信单向收费的经济学思考，价格理论与实践，2008
[2] 罗毅. 资费机制研究及其应用，2009.3
评价模型范文第4篇
关键词 教师评价；多级模糊综合评价；指标
中图分类号：G645 文献标识码：B
文章编号：1671-489X（2015）16-0032-04
Abstract This paper illustrates by the case of Sichuan University for Nationalities， extracts teaching evaluation factor in their teaching evaluation index system with multi-level fuzzy comprehensive evaluation method， analyzes teaching evaluation indicators， model and carrying it out and combining the qualitative description and analysis， and establishes evaluation index system. It evaluates the status of appraisal from a number of factors to reduce the error that subjective evaluation of teaching the traditional factors will ensure the fairness on the evaluation results.
Key words teacher evaluation； multilevel fuzzy comprehensive evaluation； indicators
学生评教是高校教学质量监控的重要环节，对促进教师成长、提高学校教学质量有着重要的作用。现有的教师评价模型有三类：学生打分评教法、层次分析评教法以及模糊综合评价评教法。学生打分法易操作，但准确性不高，主观性强[1]；采用层次分析法的计算量大，需要判断矩阵的最大特征和矩阵的阶数是否相等，需要检验判断矩阵是否具有一致性，而且当判断矩阵不一致时需要通过若干次的调整、检验才能具有一致性，数据量和操作都比较复杂[2]。采用模糊综合评价法建模可以将一些边界模糊、不容易量化的因素量化，将定性分析和定量分析相结合，对被评价事物隶属等级状况进行综合性的评价，是一种比较适合的教学评价方法[3]。
1 多级模糊综合评教模型建立――以四川民族学院为例
四川民族学院地处边远贫困民族地区，区域经济及地理位置等因素在一定程度上影响学校的发展。其作为新建民族本科院校，欲在当前教育改革背景下实现跨越式发展，须积极探寻符合自身实际的改革与发展路径，突出办学特色，提高办学质量。学生评教作为高校教学质量监控的重要环节、提高教学质量的重要保障，其科学性、公正性至关重要。文中采用模糊综合评价法，对四川民族学院现有的评教指标进行建模分析，以期为其他评价提供范例。
教师评价因素――以四川民族学院为例 四川民族学院教师评价体系中，一级指标包括教学内容、教学水平、教学效果和教学态度，所占的分数分别为30分、30分、25分和15分；二级指标包括观点正确、层次清晰、信息量适度等。具体指标和单个指标的总分如表1所示。
将四川民族学院评教的一级指标和二级指标进行定义，其中一级指标用C={C1，}集合表示，二级指标用Ci={Ci1，Ci2...Cij}集合表示，根据单项指标的总分数，得到各个指标的权重，设定衡量尺度包括“非常满意”“比较满意”“满意”“不满意”“非常不满意”这五个等级，表示为S={S1，S2...Sn}，建立四川民族学院教师评价指标体系，如表2所示。
满意度分成非常满意、比较满意、满意、不满意、非常不满意这五个等级，再设定这五个等级相对应的分值为90分、80分、70分、60分、50分。
2 多级模糊综合教师评价模型实施
选取四川民族学院中100名学生，采用表1的各项指标，用问卷调查的方式对一名教师的同一课程进行打分评价，将结果用单因素评判矩阵表示，其中教学内容关系矩阵为R1、教学水平为R2、教学效果为R3、教学态度为R4。
因为A值结果求和不为1，对A进行规整处理，并将最后分数换算成满分为100分所占的分数。由公式（8）和公式（9）得到：
通过多级模糊综合法得出100名学生给该教师打的分数v′为91.7分。为了说明该方法具有较强的客观性，让参与实验的100名学生根据表1的评价方法，采用打分法对该教师进行打分，将总分除以学生人数，最后该教师所得分数为90.3分。假设欲将该教师最后得分提高1分，采用学生打分法只要每个学生在原有的基础上增加1分即可；而采用多级模糊综合评价法，学生在原有的基础上任意增加1分是达不到效果的，因为该方法中每个指标所占的权重不同，而且要通过多级模糊运算，可见比打分法具有较强的客观性。
3 结论
本文将四川民族学院现有的评教体系通过多级模糊评价法进行建模并实施，用指标作为影响因子，建立评判指标和衡量尺度等级的关系矩阵，采用综合模糊评价法对一直指标和关系矩阵进行模糊评判，根据评判结果，再进行二级评判，最后对结果进行规整，换成百分制，得到实验教师最后综合得分是91.7分。同时用打分法进行对比实验，让参与实验的100名学生根据原有的评教方法，对该教师进行打分，最后算出平均分为90.3分。这种方法操作简单，但是主观性强，公正性得不到保证。采用综合模糊评价法进行建模处理的方式，将定性描述和定量分析相结合，减小了因主观因素带来的误差，评价结果更加全面、客观，从而保证评价的公正性，以达到保障教学质量的效果。
参考文献
[1]孙炳海，申继亮.美国教师评价的发展历程与评价模型研究述评[J].比较教育研究，2009（5）：73-76.
评价模型范文第5篇
【摘要】公共投资绩效评价模型是进行公共投资绩效评价的基础，不同的评价模型会对绩效评估结果产生一定的影响。本文从公共投资绩效评价的内涵和原则出发，比较分析了成本效益分析法、综合评价法和平衡积分卡法三种常见的评价模型，在此基础上提出了四种新型的绩效评价模型，即基于低碳经济模式和伙伴关系模式的绩效评价模型，基于群决策理论和证据理论的绩效评价模型，以期为决策者进行理性选择提供依据。
【关键词】公共投资绩效评价 低碳经济 伙伴关系 群决策理论 证据理论
一、引言
公共投资是社会总投资的有机组成部分，是社会经济可持续健康发展的有力保证，对总供给和总需求起着重要的调节作用。近年来，我国公共投资力度逐渐加大，公共投资绩效的评估问题也逐渐成为了社会关注的话题。公共投资在拉动经济增长，满足公共需求的同时，也逐渐暴露出一些问题，如低效率的重复建设、投资过程的资金浪费流失、对环境保护的忽视等。这不仅严重制约了公共投资效益的发挥，而且不利于对公共投资绩效的综合评判。在经济和科技迅速发展的今天，人们的价值取向也在发生着变化，人们更加关注公共投资带来的社会性和生态性。因此，基于人们的价值取向，根据不同的公共投资项目选择科学合理的绩效评价模型，对于增强公众满意度，提高公共投资的整体水平具有十分重要的意义。公共投资绩效评价是基于公共管理角度的绩效评价，公共投资绩效评价是指基于一定的评价标准和评价原则，采用科学、合理的评价方法，对公共投资的过程和结果进行有效的评判。本文基于多元化的价值取向，提出了四种新型的绩效评价模型，即基于低碳经济模式的绩效评价模型、基于伙伴关系模式的绩效评价模型、基于群决策理论的绩效评价模型和基于证据理论的绩效评价模型，为决策者进行理性选择提供依据。
二、公共投资绩效评价模型选择的原则
由于公共投资具有非竞争性、非排他性和非营利性等特征，因而对于公共投资绩效的评价也具有了特殊性，公共投资绩效评价是一个复杂的过程，在这一过程中必须要遵循一定的原则，即科学性、经济性、动态性、价值导向性、定量分析和定性分析相结合等，这样才能够保证绩效评价的顺利进行。
（一）科学性原则
一个有效的评价模型首先要使得评价结果公平、客观。全国各地区的经济发展水平参差不齐，不同地区的公共投资必然会存在一定的差距。因此，公共投资绩效评价如何既要兼顾经济发达地区又要兼顾落后地区，一个科学合理的评价模型起着至关重要的作用。其次，在公共投资中，有许多指标是很难量化，如人们的满意度等，因此基于客观的事实，选择一种较为公正客观的评价模型，能减少主观因素的影响，较为客观的评判公共投资的绩效。
（二）经济性原则
经济性是指在对公共投资的绩效进行科学合理评价前提下，选取的评价模型尽可能的简约，减少不必要的人力、物力和财力。公共投资从投入、实施到评估，每个环节都需要耗费一定的资源，需要每个环节都要遵循经济性的原则。一个简单、直观的评价模型，不仅便于人们操作，而且能节省大量的时间，避免不必要的人力、物力和财力。
（三）动态性原则
由于公共投资项目生命周期长，在不同阶段公共投资的投资力度也会发生变化，因而绩效评价的内容也会有所不同，绩效评价也应分阶段进行。如一些大型公共投资项目，在绩效评价时分事前、事中和事后三个阶段进行。因此，根据公共投资不同阶段特征选取更为合理的动态绩效评价模型，对于更好的完善公共投资管理具有重要意义。
（四）价值取向导向性原则
在绩效评价模型的选择过程中，价值取向也不尽相同，有的以效率优先为取向的，有的以公平为取向，也有的以生态文明为取向，不同的价值取向就会做出不一样的选择。如在效率优先成为人们的价值取向的情况下，成本效益模型、投资乘数模型、挣值分析模型等则成为首先考虑的选择；在人们追求公平的前提下，则较多的选择平衡积分卡模型、多目标规划模型、满意度分析模型、综合评价模型等作为公共投资绩效评价模型；在生态文明成为人们价值取向前提下，低碳经济模式评价模型、伙伴关系模式评价模型等则成为了最优选择。
（五）定量分析与定性分析相结合原则
在实际生活中，定量分析已经得到广泛应用，定量分析通过对数据进行处理，对指标进行量化，能较为客观的反映实际问题。然而，在公共投资中，有许多指标在现有的技术范围内不能量化，无法进行定量分析，这就需要对这些指标进行定性分析。因此，公共投资绩效评价模型的选择要遵循定量和定性分析相结合的原则，做到在定性分析的基础上进行定量分析，两者进行合理而适当的结合，从而全面的评价公共投资的绩效。因此，公共投资绩效评价能否有效的进行，绩效评价模型的选择至关重要。在不同的价值导向下，选取科学、合适的评价模型有利于客观的衡量人们对公共投资的满意度，也有利于公正的评判公共投资的综合效益。
三、公共投资绩效评价常用模型
公共投资绩效评价是一个系统的过程，在这一过程中评价方法的选择具有至关重要的作用，目前较为常用的评价方法主要有成本效益分析法、综合评价法、平衡积分卡法等，虽然在实践中逐渐得到广泛应用，但在现阶段仍存在许多不足之处。
（一）成本效益分析法
成本效益分析法源于美国通过的《洪水控制法案》，后来经过不断地发展与完善，逐渐被广泛应用于各个领域，尤其在公共投资领域，成为公共投资决策的基本工具。成本效益分析法是指基于净现值、成本效益和内部报酬率原则，比较分析一定时期投资项目的成本和效益，进而获取最优投资方案。但是由于成本效益分析法是对成本和效益进行衡量，因此，从某种程度上限制了适用范围，即仅适用于能用货币计量成本效益的投资项目。由于公共投资自身的特殊性，用这种方法对其进行评价的时候不可避免的存在缺陷，如由于公共投资项目的效益界线模糊，不能准确衡量效益的大小；同时公共物品本身具有的非竞争性和非排他性，使得真正受益的群体范围很难准确的判断。尽管存在局限性，但是在以效率优先为价值导向的投资项目中，成本效益分析法是简便可行的选择。
（二）综合评价法
综合评价法是指通过计算多种指标，并赋予一定权重，从而获取综合评价值，进而完成对公共投资绩效的综合评价。现代综合评价法大体包括两大类，一类是客观赋权评价法，一类是主观赋权评价法。前者主要包括数据包络分析法、主成成分分析法等，后者主要包括模糊综合评价法、层次分析法等。目前在公共投资绩效评价中较为常用的是数据包络分析法、层次分析法和模糊综合评价法。
1. 数据包络分析法。数据包络分析法，即DEA分析法最早是由美国运筹学家A. Charnes，W. W.Cooper 和E. Rhodes 于1978 年提出的。DEA 分析法是基于线性规划模型，对具有多投入和多产出的同类可比性单元进行有效性评价的一种方法。DEA 分析法近年来在公共投资绩效评价中也得到了广泛的应用，如李忠富和李玉龙（2009）基于2003-2007年我国基础设施投入和产出的数据，运用DEA 的二阶段模型，对我国基础设施投资绩效进行了相对有效的评价；张心昌（2012）通过构建三阶段的DEA模型对2008-2010 年我国各地区农村公共投资绩效进行了评价。DEA 分析法在具有多投入和多产出指标的领域具有突出的优势，但是由于此种方法对样本容量的要求较高，同时要对数据的可信性做出判断，因此极大的限制了数据包络分析法在进行绩效评价时的相对有效性。
2. 层次分析法。层次分析法最早是由美国运筹学家萨蒂于二十世纪七十年代提出的，是将决策目标层层分解，进而对每层的各要素进行分析比较，从而选出最优决策方案的一种分析方法。该方法主要侧重于定性分析，在定性分析的基础上利用较少的数据对决策变量进行量化，用定量分析来反映人的主观判断。层次分析法已广泛应用于公共投资领域，此方法对于评价公共投资中无法量化的定性问题具有突出的优势，然而由于定量分析的数据较少，定性的成分居多，不可避免的带有一定的主观色彩。另外，当分层的指标过多时，权重的大小难以确定，这无疑给绩效评价带来困难。
3. 模糊综合评价法。模糊综合评价法基于模糊数学隶属度理论的一种综合评价方法。基本思路是首先根据行业特点和相关法律法规构建评价指标，其次专家根据自己的主观判断赋予变量一定的权重，并通过建立隶属函数构建评价矩阵，最后通过模糊变换进行评价。我国对于模糊综合评价法的研究起步较晚，但是近年来在一些领域也初见成效，如水利、医学、建筑工程等领域。模糊综合评价法对于在公共投资绩效评价中模糊的问题具有明显的优势，运用模糊数学法对人的主观判断进行定量分析，而定性的问题大多是通过专家的主观经验判断进行量化，不可避免的造成评价结果的主观性较强。同时，由于评价过程中有的评价指标之间具有相关性，从而导致评价结果信息不必要的重复。
目前综合评价法在我国公共投资绩效评价中应用较为广泛，评价结果较为准确、全面。但在指标的选择和权重的确定等方面主观性较强，客观度较弱，操作起来很难兼顾各方面利益的需求，因此在公共投资绩效评价中的应用受到了一定的限制。
（三）平衡积分卡法
平衡积分卡起源于 1990 年美国诺顿研究所的一项研究——“衡量组织的未来绩效”。平衡积分卡最初用于评价企业绩效，后来国内学者进行了相关研究，将其引入了公共投资领域，如张安定（2004）对平衡积分卡在公共投资领域的应用进行了可行性分析；2006 年杨文明等对传统的平衡积分卡进行了修正，在此基础上提出运用平衡积分卡分析法对公共投资绩效进行评价，为政府绩效管理提供了一种新的方法。所谓平衡积分卡是指基于财务、顾客、内部流程和学习与成长四个维度综合评价组织绩效的方法。由于平衡积分卡最初是为企业绩效评价而设计的，而企业追求的是自身利益的最大化，这与公共投资所追求的公共利益大相径庭。因此，运用此种方法对公共投资绩效进行评价，需要对平衡积分卡进行必要的修正。但是在现有的技术条件下，依据公共投资的特点对平衡积分卡的具体指标进行修正，实施难度大，实施成本高。因此，在现阶段科学合理的运用此种方法对公共投资绩效进行有效的评判很难实现，还有待进一步探索。
综上所述，以上三大类绩效评价方法各有利弊，但也有相似之处，即都没有做到将定量分析和定性分析的有机结合，同时对于具有模糊性的问题做出的判断都带有较强的主观性。另外，采用以上单一的评价方法，难以综合考虑各因素对评价结果的影响，无法兼顾各方利益的需求。每一种方法带来的绩效评价效果也各有不同，在不同的价值取向的指导下，选择不同的评价方法所带来的效果是不同的，因此，要根据当前人们的价值取向，针对公共投资的特殊性，选择科学合理的绩效评价方法。
四、公共投资绩效评价新型模型
随着经济的发展和科技的进步，人们的价值取向也在发生着变化，逐渐趋于多元化。在多元化价值观的驱动下，新型的公共投资绩效评价模型应运而生，本文主要介绍以下四种新型模型。
（一）基于低碳经济模式的公共投资绩效评价模型
“低碳经济”这一概念最早是由英国首相布莱尔于2003 年在《我们未来的能源——创建低碳经济》上提出的。低碳经济是一种低能耗、低污染和低排放的经济模式。当前雾霾天气令人堪忧，传统的高能耗、高污染、高排放的经济模式难以为继，环境问题成为了每年两会的热点话题。取而代之的新型的经济模式——“低碳经济”已备受人们关注，在全球范围内已经成为一种时尚。然而在我国公共投资绩效评价的过程中，对低碳经济的关注度较低，进而引发了一系列的环境问题。
在建设资源节约型和环境友好型社会背景下，生态文明已逐渐成为人们的价值取向。因此，在进行公共投资绩效评价的过程中，应充分关注低碳经济模式，其中一个很重要的方面就是基于低碳经济模式选取科学合理的绩效评价模型。要关注公共投资的动态性。由于公共投资周期较长，对社会环境和经济环境的变化反应具有滞后性，因此，在公共投资的各个阶段要选取动态的绩效评价模型，有针对性的进行评估，进而对低碳经济模式下的公共投资绩效进行综合性的评判。定量分析与定性分析相结合。低碳经济模式是一种新的理念，单靠相关人员的预测和分析，缺乏一定的说服力，因此，在使用模型时要较多的采用生态方面的相关指标进行定量分析以增加可信度。要因地制宜。根据不同地区公共投资规模和特征选择反映生态效益和社会效益的评价模型，使评价结果更有针对性。
（二）基于伙伴关系模式的公共投资绩效评价模型
伙伴关系模式最早起源于日本重工业，而后被逐渐应用于工程项目管理，获得了较快发展。伙伴关系模式是指有着共同的目标，具有协商解决冲突的能力，并且相互信任的组织之间的联盟模式。传统的公共管理模式下，公共投资建设项目的绩效评价主体通常是政府，主体单一，无法兼顾不同利益群体的需要。而随着我国投资和融资机制的改革，公共投资项目的资金来源也在发生变化，逐渐趋于多元化。而伙伴关系模式一个突出的优势就在于评价主体的多元化，评价主体主要包括政府、公众和执行者等。伙伴关系模式是我国各项改革深化的必然选择，该模式从多元化价值观的角度对公共投资绩效进行全方位的评价。由于价值取向因人而异，因而对同一对象不同的评价主体所作出的评价结果也有所差异。
伙伴关系模式的引入，既是对公共投资绩效评价模式的创新，同时绩效评价的结果又能兼顾各方利益群体的需求，体现了现代社会效率性、公平性、社会性和生态性等多元的价值取向。
（三）基于群决策理论的公共投资绩效评价模型群决策概念最早起源于20 世纪70 年代，而后随着西方福利经济学的发展而逐渐发展起来。群决策是指多人对同一问题作出决策的过程。
当前通畅的信息渠道和庞大的信息来源使得决策变得日益复杂，单个人很难对某项决策作出科学的评价，这就需要群体决策的力量。在“财政投资，政府管理”的模式下，更需要借助群决策的力量对公共投资项目进行必要的监督，其中一个重要的方面是建立基于群决策理论的公共投资绩效评价模型。目前采用的绩效评价模型，如层次分析法、模糊综合评价法等，仅能反映评估结果的好坏，不能深入反映造成这种结果的原因，同时在指标权重确定上具有较强的主观性。而基于群决策理论建立绩效评价模型，可以将具有评价分析能力和决策能力的相关专家学者和组织者组织起来，通过调查问卷的方式获取群决策信息，进而对群决策信息进行深入的分析和概括，最终完成对公共投资绩效的综合评估。同时，在评价的过程中采用熵权法来确定各指标的权重，在很大程度上降低了人为因素的干扰，使得评价结果更为客观和公平。
构建公共投资绩效评价模型，不仅可以实现定量和定性分析的有机结合，而且可以实现从经济性、社会性、生态性等方面对公共投资的综合评估，有利于提高公共投资绩效评价的有效性和科学性。
（四）基于证据理论的公共投资绩效评价模型证据理论最早是由Dempster 于1967 年提出，而后经过Shafer 发展起来，形成了统一的理论，简称D-S 证据理论。证据理论是一种不确定性的推理理论，是基于人们从客观世界所掌握的证据和知识，对于不确定的信息进行度量。
当前在公共投资绩效评估的过程中，存在着许多不确定信息，这极大地干扰了评价结果的客观性，目前常用的评价模型很难做到对这些信息进行较为客观公正的分析。而证据理论正好能够解决这一问题，证据理论能够有效的处理不确定的信息，通过构建信度函数来表示人们所掌握的证据，进而根据数据融合法则对所获取的不确定性信息进行综合分析，最终实现对公共投资绩效的综合评价。
构建公共投资绩效评价模型，一方面用人们所掌握的知识作为知识框架，能充分考虑人们的主观诉求，利于提高评价结果的民主性；另一方面利用证据理论对不确定信息进行定量分析，降低了绩效评价的主观性，使得评价结果更符合客观实际。
不同的公共投资绩效评价模型的选择会对评估结果和效果产生一定的影响。没有哪一个评价模型是完美无缺的。如何进行理性的选择，如何满足广大人民的利益需求，仍是值得去探索和实践的。只有遵循科学性、经济性、动态性、价值导向性和定量分析与定性分析相结合等原则，根据不同的公共投资项目有针对性的选择合适的绩效评价模型，才能确保评价结果的客观、公正和全面。
参考文献
[1] 普雷姆詹德. 公共支出管理[M]. 北京：经济科学出版社，2002.
[2] 陆庆平. 公共财政支出的绩效管理[J]. 财政研究，2003(4):18-20.
[3] 鲍良, 杨玉林. 公共投资项目绩效评价研究与发展[J].资源与产业，2008(2):54-56.
[4] 王冲. 公共投资工程绩效评价研究——基于低碳经济模式[J]. 企业经济，2014(9):147-150.
[5] 张艳. 伙伴关系模式下公共投资建设项目评价研[M].兰州大学，2007.
[6] 李小皇. 基于群决策理论的公共项目投资绩效评价方法研究[M]. 湘潭大学，2012.
[7] 韩德强，等. DS 证据理论研究进展及相关问题探讨[J].控制与决策，2014(1):1-7.
评价模型范文第6篇
1.1网络安全的随机模型的安全性指标
近年来，随着科学技术的不断发展，社会经济水平的不断提升，计算机技术在人们的生活中无处不在。无论是工作、学习、购物还是各企业各单位的办公都需要依赖计算机技术，这就使得网络安全成为一个关注的焦点。计算机技术在人们的生活中无处不在，也导致在网络系统运行得过程当中出现的内容五花八门，各式各样。如果我们要是想对网络的每一个部分都进行一个科学评价，那么我们就应该制定与每个部分相符的安全性指标，并在这个的基础上制作出一个符合大众要求的评价指标。通过这种方式不仅可以使网络评价指标能够得到保证，而且还能够作为保证网络安全的随机模型的安全性指标的公平公正。
1.2网络安全的随机模型构建的方法
现在就研究人员对网络安全性系统的使用情况来观察，虽然我们能够成功对某些网络安全的重要特征进行分析，但是仍没有形成一个较为完整的系统分析方法。我们可以预见，在相当长的一段时间里，研究人员即将要挑战的一项重担就是建立一套行之有效的网络安全评价框架。建立网络安全评价框架是一个必须要完成的重任，只有将网络安全评价框架建好，才能保证网络安全的随机模型构建，使得网络变得更加安全。
1.3网络安全的随机模型结合实际建立攻击模型
在未来的发展中，计算机应用技术必将成为网络计算时代的中心，这不仅仅是一种技术现象更加是我国社会经济军事科技不断发展的现象。随着我国的网络技术不断更新，出现在网络当中的问题也越来越多，各种攻击手段层出不穷，对我们在使用网络中造成很大的损失，使得网络的安全没有保证。在经过我们的不断探索下，我们发现在现如今的网络攻击技术已经变得更加复杂，其不仅具有随机性和多样性，而且还具有一定程度的隐蔽性和传播性，这种现象给攻击模型的建立造成了很大的困难。比如说人们很难掌握攻击者发起攻击行为的根本意图，从而无法采取相应的措施对其进行防范。同时，网络结构自身的复杂性也使得网络安全性分析异常困难，因此，网络安全的随机模型结合实际建立攻击模型是现今我们应该做的。
1.4对网络安全的随机模型进行分析
计算机应用技术指的是利用任何一种计算机软件计算机应用技术指的是利用任何一种计算机软件的任何一功能，为有可能用到它的人提供一定的服务，因此保证网络安全尤为重要。我们可以通过网络安全的随机模型方法进行对网络的保证。构成网络安全的模型分析方法主要包括组合模型方法、模型检测、基于状态的随机模型方法以及基于模型的高级随机模型方法等，每一种方法都尤其固定的分析和求解方法。在网络中出现的一些问题我们可以通过上述的方式能够在一定程度上确保网络的安全，但是如果结合实际情况时就不能够很好将问题解决，像有些时候随机模型的求解就非常的不容易，有时可能会导致情况更加的严重，对网络安全的随机模型进行分析是尤为重要的。现如今世界都成为了一个互联网的时代，由此可见，不断地对网络安全的随机模型进行分析是我国未来科技发展的必然趋势。在今后的日子里，关于对网络安全的随机模型进行分析还需要我们不断进行努力。
2网络安全的随机模型评价
2.1网络安全问题的定义
网络安全不仅仅是指网络的正常运行，还要保证在运行的过程中没有对自身受到攻击，使得网络系统的硬件、软件及其系统中的数据都被流出。从根本上来说网络安全就是保证在网络中的资料是安全的，延伸说，关系到网络上信息的保密性、完整性、可用性、真实性和可控性的相关技术和理论这些内容的都应该在网络安全的范围里。我们在对对网络安全的随机模型进行分析的时候，在最开始的时候应该根据不同评价的方式来对网络系统安全问题下不同的定义。所谓网络安全问题，主要指的是系统自身存在脆弱性，也就是说系统漏洞，当这些系统漏洞被触发之后，系统自身的安全性就会降低，从而引起的系统安全失效事件。
2.2对网络安全随机模型评价的分类
现如今，随着时代的变迁，我们可以以网络安全随机模型评价的方式不同作为分类的原因，将其进行了不同的分类，这些分类主要有着四大主要类型，他们分别是不同安全评价指标的模型、攻击者行为模型、物理模型和行为模型。不同安全评价指标的模型以不同的评价指标为基础，通过我们的空间想象能力，以网络安全随机模型形式进行分析。攻击者行为模型以不同的网络系统机制为基础，形成的网络安全随机模型，这些模型具有很强的针对性，能够对行为细节进行有效分析。物理模型以评价的最终目标为基础，对系统进行抽象的不同层次建立的评价模型。但是行为模型是以攻击行为细节为基础，形成的网络安全随机模型。但是不论是这其中的哪一种模型，在网络安全性的评价中都发挥着重要的能力，对保护网络安全有着至关重要的作用。
3结语
评价模型范文第7篇
作者简介:王海峰（1976-），男，山东临沂人，博士研究生，主要研究方向：多媒体技术、网络计算。
文章编号:1001-9081（2011）08-02232-04doi:10.3724/SP.J.1087.2011.02232
（1.临沂大学 信息学院,山东 临沂276002； 2.上海理工大学 管理学院,上海200093）
（）
摘 要:由于视频图像在传输过程中信道噪声将导致质量下降，在无需增加传输信息的前提下客观无参评价方法可实现视频质量的自动评估，因此成为一个重要研究课题。为了提高无参考评价方法准确性，提出了符合人类视觉特性的变权评价模型，综合考虑空域中的清晰度和时域中的平滑度两类指标，利用视频内容的运动信息控制权重变化，模型评价结果与主观评价符合度高，简单相关系数为0.85。实验结果表明，符合视觉特性的连续变权方法比固定权值模型准确，计算复杂度比同类研究方案小，具有更大的应用价值。
关键词:视频质量评价；人类视觉系统；视频平滑度；变权
中图分类号: TP751.1文献标志码:A
Video quality evaluation model of variable weight no-reference
WANG Hai-feng1,2
（1. School of Information, Linyi University, Linyi Shandong 276002, China;
2. School of Management, University of Shanghai for Science and Technology, Shanghai 200093, China）
Abstract: Transmitting video through network might suffer from impairments introduced by packet losses. No-reference evaluation method can automatically predict the quality of video without any other loader for transmission channel. Therefore, video quality monitoring is an import task. To improve the accuracy of no-reference video quality evaluation, a new variable weight evaluation model was proposed. Video features both in spatial domain and in temporal domain were included in the evaluation model. It could adjust its weight in real-time by using the motion vectors. The evaluation model obtained good linear correlation, and the simple correlation coefficient equals 0.85. The experimental results show that variable weight evaluation method works better than the fixed one. It has lower computational complexity and higher value in application than other similar researches.
Key words: video quality evaluation; Human Visual System （HVS）; video smoothness; variable weight
0 引言
随着无线网络和IP视频技术的发展，各种视频文件需要通过网络传输到用户群中，如IPTV和3G视频节目等。为提高服务水平视频内容服务商非常重视视频质量，因此视频质量检测具有重要的应用价值。传输信道失真、解码缓冲区溢出、编码预测错误等多种因素导致用户端视频质量下降，视频质量评价成为视频质量检测中的研究热点。视频质量评价分主观和客观两类评价法。主观法由人评价视频，实施难度大而且成本高；客观法无需人参与，由计算机实现评价。根据对原始视频的依赖程度，客观评价分为全参考评价、弱参考评价、无参考评价三种方法［1-2］。其中无参考评价不以原始视频数据为依据，因为无需传输任何额外信息，所以应用价值最大。本文主要研究客观无参评价方法，检测传输信道失真引起的视频质量受损问题。
对于无参视频质量评价的研究方法主要集中在以下两个方向。1）从不同检测粒度提取视频评价指标，分别是压缩码流级，帧级、片级、宏块级和像素级。FP（Full Parse）法提取码流中的熵解码和反离散余弦变换的参数［3］327-329；基于规则模板的方法中提取图像的模糊度、块效应等多种指标，利用主成分析法评价视频质量［4］295-296;以上研究都属于像素级检测粒度，具有评价准确、计算复杂度高的特点。忽略分析法（No Parse, NP）利用丢包率评价码流损失，不进行任何解码运算，属于码流级粒度，计算复杂度低，准确性差［3］328-329。2）优化评价模型。Kanumuri等人［5］针对大规模视频检测问题提出一个网络丢包与传输视频质量的映射模型，引入相对峰值信噪比（relative Peak Signal to Noise Ratio, rPSNR）来解决无法实时获取某些指标的问题；卢刘明等人［6］52-53研究了网络丢包率的统计模型及网络损伤对实时传输的视频流造成的影响，提出基于网络丢包的视频质量评价模型，该模型占用资源少，实时性好；徐瑞芬等人［7］利用视频序列的时间相关性，提出量化视频内运动信息的评价模型，不但考虑运动目标的运动速度而且关注人眼视觉兴趣区域，取得较好的仿真效果；其他优化模型，如利用机器学习中分类器的方法建立的评价模型和神经网络构建的评价模型等［8］。总之，虽然优化评价模型提高了准确性，但是计算复杂度增加。综合多指标分析模型最准确，但是涉及7个像素级指标的提取，难以实际应用；而实时性较好的评价模型［6］56-57,［7］4，由于评价准确性较差，应用价值也不大。
现有方法中主要以信号特性作为评价指标，较少考虑视觉特性。例如以峰值信噪比（Peak Signal to Noise Ratio, PSNR）和均方差（Mean Squared Error, MSE）作为评价指标,这两种指标对时域和空域上的失真非常敏感，然而人类视觉系统（Human Visual System, HVS）对某种类型的失真并不敏感，所以评价结果与主观评价存在较大偏离。本文考虑一种典型的人类视觉特性，在运动变化快的视频中人关注时域失真，而运动变化缓慢的视频中人对空域失真敏感，建立一个由权函数控制的变权评价模型，在准确性方面与文献［4］的方法相当;但是,只提取两个像素级指标和一个帧级指标，计算复杂度低于前者。
1 变权无参考评价模型
1.1 评价指标
目前大部分无参视频评价模型由无参图像评价方法扩展而成，常用视频空域特征作为评价指标，图像模糊度、块效应、边缘连续性等［4］295。本文综合空域和时域特征作为评价依据，空域中选取模糊度和块效应两个图像清晰度特征，时域中选取平滑度特征。
1）图像模糊度。模糊是人对图像空域中整体布局和局部细节的感受。利用模糊指数B来评价图像品质［9］，如式（1）：
B（p）∑max {f（x,y）/S,1－f（x,y）/S}（1）
设图像p共有Np个像素，像素（x,y）的灰度为f（x,y）,S为最大灰度级，B（p）∈［0,1］,B（p）越大图像越模糊。
2）块效应。各种图像和视频编码都采用基于块的离散余弦变换（Discrete Cosine Transform, DCT），DCT利用像素局部空间的关联性，把图像分为8×8或4×4的像素块，将像素块从空间域转换到频率域，量化为DCT系数。由于分块编码，容易忽略邻接块的相关性，导致解码图像中出现块边界不连续的现象，这就是图像的块效应。图像块效应反映了图像质量，在此使用一区分图像中平坦区域和边缘区域的块效应的方法，得出一种客观判断的计量算法，如式（2）所示：
DhvsbmI（G（x,y）≤T）×D1+α（I（G（x,y）>T,θ（x,y）×π/2）×D2+I（G（x,y）>T,
θ（x,y）π/2）×D3（2）
其中：Dhvsbm表示图像块效应，该值越大图像质量越差；函数I是示性函数，当G（x,y）≤T时为1，否则为0；D1是非边缘点的块效应值，D1（f（x,y）-f（x,y-1））2；D2是边缘点的块效应值，D2（f（x,y）-f（θ（x,y）））2；D3是当G（x,y）>T∧θ（x,y）π/2时区域块效应的值，如式（3）：
D3{（f（x,y）－f（x,y－1））－0.5×［（f（x,y－1）－
f（x,y－2））+（f（x,y+1）－f（x,y））］}2（3）
其中：Gx、Gy是像素点f（x,y）局部梯度分量；θ（x,y）arctan（gx/gy）和G（x,y）分别是该点梯度的角度方向和量级；T是判断边缘的阈值，当G（x,y）≤T时，认定像素点f（x,y）为非边缘点，反之为边缘点。
3）平滑度。视频邻近帧画面具有相似性，因此将帧图像分为若干子块，搜索各块在邻近帧中的位置，得出两者之间空间位置的相对偏移量，该偏移量是运动向量。若k-1帧中的子块Mik-1（xk-1,yk-1）出现在k帧的（xk,yk）坐标处，则（xk－xk－1,yk－yk－1）为Mik的运动向量。综合考虑k帧所有子块的运动向量得出反映视频播放连续性的特征，即平滑度［10］，如式（4）：
Sk∑（4）
其中：Sk表示视频中第k个帧平滑度，（Δx,Δy）表示帧k中坐标（m,n）处像素的运动向量。视频平滑度越大质量越好。
1.2 人类视觉特点
由于人是视频最终接收者，客观评价的关键在于是否符合人类主观认知。HVS非常复杂，至今科学界还不能理解全部特性。在图像质量评价的研究中发现引入最简单的HVS模型就能取得较好效果，因此视频质量评价中应该考虑HVS的特点来提高评价准确性。
重点考虑HVS中人眼时间与空间分辨率的相互影响。人眼分辨率是人眼分辨景物细节的能力，其中包括空间分辨率、亮度分辨率、时间分辨率等。空间分辨率是人眼对被观察物体上能分辨的最近相邻点的视角倒数；亮度分辨率是在时间和空间变化缓慢图像中对亮度变化的分辨能力；人眼对运动变化快的物体看不清楚，属于时间分辨率问题。如果时间频率高，则空间分辨率和亮度分辨率都会降低，因此空间、亮度、时间分辨率存在关联。1.3节就是依据该HVS特性提出变权方案。
1.3 变权评价模型
在了解HVS时间与空间分辨率存在关联的基础上，综合考虑视频空域的清晰度和时域的平滑特征。最基本的评价模型形式为b0+P・b，为评价值，行向量P是特征向量，列向量b为权向量，b0为初始值。若权向量是固定值，则评价模型为常权形式，如式（5）所示：
Q（ti）b0+W1S（ti）+W2D（ti）+W3B（ti）（5）
其中：ti是第i个采样时刻；S、D、B分别为平滑度、块效应、模糊度；Wi（i1，2，3）为三种评价变量的权值；Q是ti时刻的评价值。
常权评价模型简单，评价效果一般。文献［4］将视频分为4大类，各分类使用不同模型评价，各个模型的区别就是权向量不同，即Pi≠Pj。该方法本质属于变权评价模式，但是变权方式简单，缺乏连续性，下面提出的变权方法可动态改变权值。根据人类视觉特性，当时间频率较高时人眼对空间对比度的敏感性降低，即对快速运动物体的细节分辨率降低。变权方法的核心思想是权衡考虑视频中运动变化和空间清晰度对观看效果的影响，对于运动变化快的视频段增加平滑度权值，对于运动缓慢的视频段增加清晰度权值。
接着讨论具体方案。首先度量视频中运动变化的剧烈程度。利用运动向量作为基本依据，视频中运动图像的变化是个随机过程，建立简单时域模型。若视频V{P1,P2,…,Pi,…,Pn}，其中Pi表示视频的图像帧，yi表示Pi的运动向量，yi表示Pi中运动向量的平均值，n表示视频中图像帧的数量，利用均方根法（Root Mean Square, RMS）量化运动变化的程度MMi（t），如式（6）：
RMS（6）
采用滑动窗口采样视频流的运动变化，滑动窗口保留最近Δt时间内到达的图像帧数据，Δt称为滑动窗口的更新周期。视频运动变化模型如式（7）所示，Mi表示第i次采样时视频运动变化的剧烈程度：
Mi（7）
其次，引入权控制函数W（t）。根据视频运动变化权控制函数动态调整权值，如式（8）：
W（ti）e－αM（ti）（8）
其中：M（ti）是视频在第i个采样周期中的运动变化值；α为衰减指数，在一个更新周期中运动变化越剧烈，权重越小。因此结合人类视觉特性的变权评价模型，如式（9）：
Q（ti）b0+（1－W（ti））×S（ti）+W（ti）×（λD（ti）+（1－λ）B（ti））（9）
其中：1－W（ti）是视频平滑度的权重，当视频中运动变化剧烈时增加平滑度权重；λ为块效应和模糊度的调整因子，研究表明图像空域细节特征中块效应对质量影响较大［4］，因此设定λ0.7。相应的无参视频质量评价算法如图1所示。
图1 无参考变权评价算法
对输入的视频流V提取码流中的运动向量，计算时域评价指标平滑度S，并为权控制函数提供视频运动变化值M（t）;同时对码流解码提取空域指标B，D；最后W,S,D,B输入评价模型得出视频V的评价值Q。
最后，介绍评价模型的验证方法，通过主观评价与模型的相关度进行检验。假设评价k条视频流，主观评价为变量X，该模型评价为变量Y。简单相关系数，即皮尔逊相关系数（Pearson Linear correlation Coefficient, PLC），如式（10）：
rxy（10）
PLC可描述主观评价值与模型联系的密切程度，rxy为相关系数，在［-1,1］区间中取值，若rxy绝对值越大表明相关性越强；若rxy0表示两者之间无相关性；X表示主观评价观测样本的平均值；Y表示模型评价的均值；k为样本数量。若模型与主观评价正相关度高，则说明该评价模型准确。选择PLC验证正确性的原因是PLC适合处理评价等级膨胀问题，即主观评价者的评价分数或者全部倾向于较高值，或者全部倾向于较低值。
2 实验结果与分析
2.1 主观评价
为了验证客观评价模型的有效性，对测试视频先进行主观评价。在大学计算机教学机房内进行主观测试，实验机房的布置符合ITU-R BT.500的要求；测试者是年龄在20～25岁无图像及视频评价研究背景的大学生，数量稳定在20人以上；使用统一分辨率的液晶显示器，由教师统一播放视频。为了保证结果稳定性，提前对测试群体进行简单培训，测试方法是基于单一视觉刺激的绝对等级评价法（Absolute Category Rating, ACR）［11］。为了区分细小差别，主观评价设置0到10共11个等级，最后将评价值量化到［0,1］区间中。视频格式采用CIF分辨率,测试视频长度不低于5min，码率范围为96kbps到1024kbps，分别覆盖新闻、对话、运动等各类场景，主观评价结果分布在0.09到0.91之间。
2.2 有效性验证
针对运动快的视频,HVS会降低对图像细节的观察。为验证评价模型的有效性，本文用两段视频做实验：第一段视频Container运动变化缓慢；第二段Carphone视频中运动变化较大。利用开源软件Evalvid将视频文件的H264码流切割为UDP（User Datagram Protocol）数据包［12］;再用NS-2仿真两个节点的UDP传输网络，设定网络为群体广播方式，丢包率（Packets Lost Rate, PLR）为0.01%；最后在网络接收端用解码器恢复收到的质量受损文件。图2（a）、（c）视频是发送端未经传输的YUV格式的视频截图，图2（b）、（d）是接收端解码后的YUV视频截图，对比可见出现质量损失现象。
两段原始视频分辨率及码率都相同，而且PLR0.01信道噪声也相同。图3（a）中可见两段接收端视频的模糊度相近；由图3（b）中运动向量的变化程度可知Carphone视频比Container视频变化剧烈。因为Container中三分之一的部分几乎没有变化，仅由突然出现的海鸥飞动造成3～4次剧烈变化，所以整段视频画面运动变化缓慢。由于HVS的复杂性，人对视频Carphone主观评价值高。实验结果是主观评价为（0.55,0.65）,常权评价为（0.63,0.52），变权评价模型为（0.57,0.63）。因为变权评价合理地模拟了人类视觉特性，所以与主观评价符合度高。
图2 原视频与接收端视频截图对比
图3 视频空域和时域特征比较
2.3 模型准确性分析
利用主观与客观评价PLC来验证变权评价模型的正确性。对k段视频的主观评价样本值为Xi，变权评价样本值为Yi，实验结果是rxy0.85，说明主观评价与变权评价模型正相关度高，超过文献［4］中结果0.82。设Ci是置信度为95%的置信区间，则满足Mosi-Qi>Ci的点被称为离群点［4］301。图4（a）中只在［0.6,0.8］区间中出现了一些离群点，表明对于一些显示效果好，画面流畅的视频稍偏离主观评价，这与人类视觉系统的复杂性有关。
为了对比实验效果，常权评价模型与主观评价的PLC rxy0.791，如图4（b）所示，A区域中的离群点表明对于主观评价高的视频该模型得出较低值，这些视频都具备画面流畅、运动变化快的特点。因为常权评价模型没有充分考虑人类视觉特性，只侧重考虑视频中的画面清晰因素，整体评价值较低；而观测者感觉画面流畅、平滑、综合视觉心理学等复杂因素，主观评价值高。B区域的离群点也如此，这些离群点说明一些运动变化缓慢的视频客观质量评价较高，但是观测者由于时间频率低有能力仔细评价视频的模糊、块效应等问题，因此主观评价得分低。总之，变权评价模型准确性高于常权评价模型。
图4 无参模型评价结果
2.4 效率测试
最后进行算法性能实验，并与文献［4］算法对比，测试视频播放时间为5min，帧率为30帧/s。选取四组不同分辨率的视频进行实验，计算平均执行时间，如表1所示。
表1 评价算法执行时间比较
由表1可见，评价模型算法平均执行时间较长，因此计算复杂度较大。对于播放时间为300s的小分辨率视频可以在400s以内处理完毕，稍微慢于30帧/s的播放速度，实际应用中尚可接受。从理论上模糊度与块效应提取的运算是计算复杂度高的原因，这两种计算属于像素级运算，因此随着视频分辨率的增大平均执行时间相应增加，而平滑度提取属于宏块级运算，计算复杂度低于像素级运算。虽然文献［4］中未讨论算法复杂度，由于需要先根据低码率模板对评价视频进行分类运算，然后提取7种像素级特征，实验对比显示其计算复杂度高于本文算法。
3 结语
现实中视频质量客观评价方法具有重要的应用价值，建立准确高效的评价模型需要权衡模型复杂度和计算复杂度的关系，才能满足实际需求。本文中引入变权控制函数实现了根据视频内容动态调整权值的方法，使得评价模型具有模拟人类视觉处理空域和时域细节的能力。实验证明，在处理信道失真引起的视频质量下降问题时评价模型取得了与主观评价较高的相关度，与文献［4］算法法效果相当。然而计算复杂度相对较小，对于小分辨率视频趋近播放速度，基本满足3G终端的视频评价。在保证正确性的前提下，视频评价计算复杂度很难降低，因此以后的研究工作是实现评价模型的并行处理算法，通过增加计算资源来保证实时视频评价，扩大该模型应用范围。
参考文献:
[1] CARLI M, FARIAS M C, GELASCA E D, et al. Quality assessment using data hiding on perceptually important areas ［C］// ICIP 2005: Proceedings of the 2005 IEEE International Conference on Image Processing. Piscataway, NJ: IEEE, 2005: 1200-1203.
［2］ FARIAS M C, CARLIB M, NERIB A, et al. Video quality assessment based on data hiding driven by optical flow information ［C］// Proceedings of Processing Image Quality System Performance. San Jose, CA: SPIE, 2003, 190-200.
［3］ REIBMAN A R, VAISHMPAYAN V A, SERMADEVI Y. Quality monitoring of video over a packet network ［J］. IEEE Transactions on Multimedia, 2004, 6（2）: 327-334.
［4］ OELBAUM T, KEIMEI C, DIEPOLD K. Rule-based no-reference video quality evaluation using additionally coded videos ［J］. IEEE Journal Selected Topics in Signal Processing, 2009, 3（2）: 294-303.
［5］ KANUMURI S, COSMAN P C, REIBMAN A R, et al. Modeling packet-loss visibility in MPEG-2-video ［J］. IEEE Transactions on Multimedia, 2006, 8（2）: 341-355.
［6］ 卢刘明,陆肖元.基于网络丢包的网络视频质量评估［J］.中国图象图形学报,2009,14（1）:52-57.
［7］ 徐瑞芬,张明伟,贾林.视频质量动态性指标评价及应用［J］.北京邮电大学学报,2008,31（6）:1-4.
［8］ NACCARI M, TAG M, STEFANO T. No-reference video quality monitoring for H2.64/AVC coded video ［J］. IEEE Transactions on Multimedia, 2009, 11（5）: 932-946.
［9］ 徐琰,王超.基于模糊数学的数字图像模糊度［J］.计算机辅助设计与图形学学报,2002,14（8）:747-749.
［10］ YANG K-C, GUEST C C, EL-MALEH K, et al. Perceptual temporal quality metric for compressed video ［J］. IEEE Transactions on Multimedia, 2007, 9（10）: 920-945.
评价模型范文第8篇
[关键词] 民营科技企业科研项目评价指标体系模糊优选决策模型
自1981年第一家创办以来，民营科技企业已经迅速成长为我国经济发展的重要力量，成为我国经济持续稳定增长的重要基础，但由于存在主观和客观等因素制约，使其具有高风险，寿命短而不能长期稳定发展。造成这种情况的原因很多，其中科研风险首当其冲，制约着民营科技企业持续发展。从科研开发的角度考虑民营科技企业风险过高的原因有两个方面：一是客观因素，据调查我国95％以上的民营科技企业属于规模小、底子薄的中小型企业，企业资源稀缺致使科研风险极高，无法维持科技持续开发，且科技行业本身复杂多变、风险因素诸多难以克服；二是主观因素，民营科技企业未对科研风险进行科学的管理，没有综合地评估风险，以致民营科技企业盲目决策。因此，本文从主观因素出发寻求具有综合、科学、有效的评判方法为民营科技企业科研决策提供技术支持。
一、风险决策模型研究
1.风险决策模型适应性分析
目前企业在进行科研风险立项决策时多使用层次分析法（AHP）、人工神经网络法（ANN）和模糊综合评价法，而这三种方法对民营科技企业并不适用。众所周知，民营科技企业的核心技术往往是新兴的、高层次的，且尚未完全成熟定型，故其发展变化快，不确定性高；此外，民营科技企业的产品是全新的，市场也是全新的，这都决定了其在科研开发过程中存在很多风险因素。层次分析法和人工神经网络法因子多计算复杂，不便于企业实际操作。模糊综合评价法是目前民营科技企业使用最普遍的风险评价方法，但由于该方法是一种线性加权平均法，得出的各方案评判值趋于平均，评判值相差不大, 数值离散性小，难以做出决策。因此，在充分考虑民营科技企业科研项目风险特点和可操作性的基础上，选取模糊优选分析法作为评价方法。
2.模糊优选决策模型
模糊优选决策模型是集主观评价与客观评价，定性评价与定量评价为一身的多目标评价模型。它与模糊综合评价和层次分析法相同之处：都是从方案集U中的n个方案之间做出优与劣比较，具有相对性。不同之处：除了对既定的项目（方案集）确定评价指标（评价集），计算各个方案的相关指标的“优”的隶属度以外，还要建立目标函数，计算出各个方案的综合相对“优”的程度，从而对方案进行排序，选出最优方案。具体步骤如下：
(1)确定方案集U={u1,u2……un，评判集:V={v1,v2……，vm}，建立指标特征矩阵X=(xij)m×n，并通过层次分析法AHP或德尔菲法等获取权重；
(2)建立单因素评判矩阵：U中ut与V中vj之间关系可用隶属函数建立关系矩阵；
(3)将评判矩阵每行的最大的和最小的隶属度选出组成最优评价模糊集G={g1,g2,…,gi}
和最差评价模糊集B={b1,b2,…,bi}，并计算加权优等距离和加权劣等距离；加权优等距离：（公式1）；加权劣等距离:（公式2）
(4)建立目标函数，求出综合评价值（公式3）
由相对优属度模型求得各方案的相对优属度向量A={A1,A2…An}。在满足约束的决策集中，决策相对优属度最大的决策为最满意决策，即。Aj从大到小的排列序列成为满意排序。
二、民营科技企业科研项目评价指标体系
图评价指标系
科研项目评价指标体系是科研管理的重要工作。科研项目评价指标的建立直接影响科研决策评价结果。传统的评价指标体系主要针对技术和效益两个因素建立指标体系，而在市场经济条件下，需求是科技发展的牵动力，资源是科技发展的基础条件和动力源，这些因素对评价指标体系的建立也至关重要。基于此，潘杰义等人将科研项目标价指标体归结为：技术价值分析、效益分析、资源分析、法律分析、需求分析、科研开发条件、市场分析和组织管理八项，并建立了相应的指标体系;王悦等人又从项目管理的角度诠释了科研管理的影响因素，分析了传统科研项目管理铁三角标准（时间、费用、质量）不能成功地控制和解决科研项目管理中由于技术和知识本身的变化带来的新情况，以及没有考虑科研项目管理知识领域的特殊性等问题，提出了新的科研成功指标，即进度、费用、技术创新、潜在获利性和风险投资人满意度五个成功标准。但都没有考虑科研项目评价指标对民营科技企业的适用性问题，存在着很大的局限性。因此本文在综合考虑上述两个指标体系和民营科技企业科研立项特点的基础上，本着科学、适用的原则建立了民营科技企业的科研项目评价指标体系。指标体系结构如图所示。
三、应用实例
某民营科技企业现有五个科研项目需进行科研立项决策。对这5个项目进行科研决策，就是确定每个项目的最“优”的隶属度，隶属度最大的方案即为最优方案。套用前面模糊优选决策模型的具体操作步骤如下：
（1）利用德尔菲法或层次分析法对科研项目进行调研，确定各层次因素的权重。如表
（注：实际操作中各个项目指标权重选取可能不同，本文为简化选取统一权重，但不影响模型的操作性）
（2）建立单因素评判矩阵：U中与V中之间关系可用隶属函数建立关系矩阵。
设专家组对这5个项目方案的12个指标在（0,1）之间进行评判打分，其中数值越接近1，则表示项目在该项指标上的表现越好；反之数值越接近0，则表示项目在该项指标越差。然后利用模糊统计法来获得隶属度矩阵(如右):
（3）根据公式1、2计算加权优等距离和加权劣等距离。
加权优等距离DG=0.27400，加权劣等距离：DB=0.26595
（4）计算综合评判指数：将加权优等距离和加权劣等距离代入公式3：得=0.4851。
同理可得方案Ab=0.2286，AC=0.473，Ad=0.6354，Ae=0.5137，所以最优方案为项目D。
四、结 论
模糊优选决策模型方法作为一种优选分析理论，已经在很多方面得到了应用，本文将其应用到民营科技企业科研决策方面，是一种应用性研究。该模型是在充分考虑了民营科技企业科研决策特点的基础上构建评价指标体系，并针对其科研风险特点选取模糊优选法建立决策模型。模糊优选决策模型给民营科技企业科研决策提供了科学方法，为风险管理实际操作提供了技术支持，对提高民营科技企业风险管理能力维持长期稳定发展具有实用价值。
参考文献：
[1]周福宝王德明李正军:矿井通风系统优化评判的模糊优选决策模型法[J].中国矿业大学.2002(3)
[2]潘杰义刘西林:科研项目标价指标体系及模糊优选决策模型研究[J].科学学与科学技术管理.2004(1)
[3]王悦孙树栋:科研项目的成功标准和风险分析[J].中国科技论坛.2005(7)