朱美玲，陈勇明，罗廷友

(成都信息工程学院 数学学院,成都 610225）

0 引言

在预测与决策理论中,评估是极其重要的一个环节。评估方法的种类很多,例如层次分析法、Bayes概率法、模糊评价法、聚类评估等[1],而灰色评估是评估中较为重要的一种。

在评估的研究过程中可以发现,观测矩阵是评估的主要依据,是评估的出发点。观测矩阵主要有两种形式:一是客观数据,二是专家评分。本文中我们将第二种观测矩阵称为专家评分矩阵。现实生活中有很多这样的例子,如企事业单位的人才招聘,在面试环节往往由有经验的员工出任考官考察应聘者的专业知识技能、人际关系处理能力、创新能力以及工作态度等各方面的指标,然后利用考官们对各指标的评分进行评估以确定是否录取应聘对象。对于这类专家评分问题,评价主体——专家在评分过程中往往带有自身的主观倾向,如某些专家打分较为保守,对所有对象评分值普遍偏低;同时另一些专家打分又习惯性偏高。而以往的灰色评估方法,无论是经典的灰色聚类评估的主要方法白化权函数和关联度,还是近年来的一些新的灰色评估方法或者灰色评估方法的改进[2～4]，都没有考虑到这一点,即在评估过程中没有考虑如何消除专家主观因素对结果的影响。针对这一问题,本文拟借鉴k-NN方法,利用每位专家以往的评分记录修正其当前评分矩阵,消除评分时存在的主观倾向,使评估更趋于客观与合理。……