魏效玲，王杰华，周振中

（1.河北工程大学机电学院，河北 邯郸 056038；2.邯郸市市政污水处理有限公司，河北 邯郸 056002）

农业机械化是我国农业长期发展的必要条件，是国民经济发展的重要标志[1]。我国是一个农业大国，农业机械化的发展水平相对较落后，制约着农业经济的可持续发展。因此，加快实施农业机械化的发展，既是改善农民生活水平的重要措施，也是缩小城乡之间的差距、提高农业和农村经济整体水平的重要保证[2-3]。农业机械化项目绩效的评价存在着诸多模糊性和不确定性，建立科学、严谨的农业机械化项目绩效评价体系并赋予合理的模糊评价方法，才能为管理者提供准确的决策依据。但现有模糊评价中存在着指标隶属度对目标分类不明确和出现冗余数值的问题。本文采用基于熵的数据挖掘方法，通过定义指标区分权，清除对目标分类不起作用的冗余数值，筛选出对目标起作用的有效值计算隶属度，该算法经过“一有效、二可比、三合成”三个计算步骤，简记为M（1，2，3），由此建立实现隶属度转换的正确算法[4]，并用于农业机械化项目绩效模糊综合评价中，得到较好的评价结果。

1 模糊评价中新的隶属度转换算法

假设对目标Q的评价等级影响指标有m种，其中j（j=1～m）是各影响指标对于目标Q重要性的权重值λj（Q）为已知，且有

如果每种影响指标被划分为p个评价等级，并用Ck表示第K（K=1～p）个评价等级，同时满足Ck等级优于Ck+1等级。假如j指标属于Ck等级的隶属度μjk（Q）为已知，并且μjk（Q）满足