染雾基于模糊理论的信息系统有效性评价方法及应用 篇一
在信息系统领域，评价信息系统的有效性是一项重要且复杂的任务。信息系统的有效性评价可以帮助决策者了解系统的运行情况，发现问题并采取相应措施进行改进。而基于模糊理论的信息系统有效性评价方法可以更好地处理信息系统中存在的不确定性和模糊性，提高评价结果的准确性和可信度。
首先，基于模糊理论的信息系统有效性评价方法需要建立一个评价指标体系。评价指标体系是评价信息系统有效性的基础，它可以包括多个指标，如系统的性能、可用性、可靠性、易用性等方面。每个指标都可以用一个模糊数来表示，以反映其模糊性和不确定性。评价指标体系的建立需要考虑到具体的信息系统特点和评价目标，同时还需要经过专家的讨论和确定。
其次，基于模糊理论的信息系统有效性评价方法需要对每个评价指标进行模糊化处理。模糊化处理可以将具体的评价指标值转化为模糊数，以反映其模糊性和不确定性。模糊化处理可以通过模糊隶属函数来实现，这些函数可以根据实际情况进行选择，如三角形隶属函数、梯形隶属函数等。通过模糊化处理，可以将客观评价指标与主观评价相结合，提高评价结果的准确性和可信度。
然后，基于模糊理论的信息系统有效性评价方法需要对评价指标进行权重的确定。评价指标的权重可以通过专家的主观判断和数学方法相结合来确定。主观判断可以通过专家讨论和问卷调查等方式进行，而数学方法可以通过层次分析法、模糊综合评价等方法进行。通过确定评价指标的权重，可以更准确地反映评价指标的重要程度，提高评价结果的科学性和客观性。
最后，基于模糊理论的信息系统有效性评价方法需要进行评价结果的模糊综合。模糊综合可以通过模糊加权平均法、模糊综合评价法等方法进行。通过模糊综合，可以将不同评价指标的模糊数进行综合，得到一个综合的评价结果。评价结果可以用一个模糊数来表示，以反映其模糊性和不确定性。通过模糊综合，可以更好地处理信息系统中存在的不确定性和模糊性，提高评价结果的准确性和可信度。
综上所述，基于模糊理论的信息系统有效性评价方法可以更好地处理信息系统中存在的不确定性和模糊性，提高评价结果的准确性和可信度。它需要建立一个评价指标体系，对每个评价指标进行模糊化处理，确定评价指标的权重，进行评价结果的模糊综合。基于模糊理论的信息系统有效性评价方法在实际应用中具有较高的可行性和有效性，可以为决策者提供有价值的参考依据。
基于模糊理论的信息系统有效性评价方法及应用 篇三
基于模糊理论的信息系统有效性评价方法及应用
摘要:为了解决信息系统有效性的测量问题,需采用模糊理论等相关概念,用比较自然地、真实地反映人类思维的模糊性概念来对用户的感受进行准确描述。文章选用了评价信息系统有效性的六个常用属性,利用模糊理论将语言表述转为可测量的数值,得到经模糊理论修正后的信息系统有效性评价结果。
关键词:信息系统有效性;三角模糊数;评价指数;绝对权重;模糊化权重
一、 引言
在企业信息系统有效性测量中很多的属性反应的是用户对信息系统有效性的感受,这些感受难以用精确的数字表示。因此为了解决信息系统有效性的测量问题,需采用模糊理论等相关概念。
模糊理论的最大特点就是可以用比较自然地、真实地反映人类思维的模糊性概念来对用户的感受进行准确描述。三角模糊数具有运算简单,容易了解的特征,为目前最常用的模糊数。
二、 信息系统有效性测量指标
信息系统有效性有三个基本的.要求:第一是维护信息的保密性;第二是确保信息的完整性;第三是确保信息能够在适当的时间以适当的格式访问,即信息的可存取性。
1. 信息的保密性。信息系统有效性必须具有信息保护能力。组织采用有效的存取控制和保护手段,防止非授权或因疏忽而更改、毁坏或破坏业务记录和财务信息的保密性。
2. 信息的完整性。信息系统有效性必须具有信息准确跟踪能力,即要求组织能够保存关键记录和信息系统之间所有交互行动的审计轨迹,信息和记录以及文档管理软件、硬件和安全存储环境形成了关键的内部控制,确保信息是准确和可靠的。存储系统中应有防止数据被随意修改或删除的功能,确保信息的完整性。
3. 信息的可存取性。信息系统有效性必须具有信息长期保存能力,即要求公司确保用于保留规定记录的存档和存储系统支持长期可靠存取,对某些特定信息要求保存长达七年的时间。
上述保密性、完整性和可存取性在用户问卷调查时,可用一些描述性语言进行信息系统有效性属性的细化。如:信息系统有良好的备份系统、信息系统安装有正版的防火墙和防病毒软件、可以方便地使用计算机设施、硬件能及时升级、软件能及时升级、系统支持员工具有较高的素质、能较好地控制所使用的系统、系统反应迅速、信息系统能及时处理关于改进现有系统的要求等。这些属性指标主要体现用户的感受,不同的用户对同一项属性的感受是不一致。
三、 基于模糊理论的信息系统有效性测量方法
1. 将自然语言评价转换为三角模糊数。三角形模糊数是决策分析中较常用的一种模糊数。若实数域R上的模糊数M,简记为M=(a,b,c),a,b,c都是实数则其Membership Function为:
fm(x)=■,a?燮x?燮b,
fm(x)=■,b?燮x?燮c
fm(x)=0,otherwise
语言变量是以自然语言中的词或词组为变数,而不是以数值为变数。语言变量皆可用模糊数表示,模糊数常被用来表示人类的语义。将评估者对某问题的看法:{非常不重要、较不重要、不重要、一般、重要、比较重要、非常重要},利用语言变量转换为模糊估值,以达到量化的目的。
首先,为了便于有效性评价指标的测量,将用户评价的自然语言转化为三角模糊数。
每个属性的评价集包括七个等级,即{1,2,3,4,5,6,7},1表示非常不重要,2表示较不重要,3表示不重要,4表示一般,5表示重要,6表示比较重要,7表示非常重要。用语言方式表达评价意见,虽然没有数值精确,但它更容易使人理解,而且也减少了干扰项。
评价集P=(p1,p2,p3,p4,p5,
