本书研究基于云模型的非确定性数据综合评价方法，根据综合评价技术的基本步骤，从全局和阶段上考虑相关问题的研究。基于此，研究基于云模型的非确定性数据集成问题、具有混合多属性数据的转换方法以及非确定数据综合评价的应用场合和可视化评价问题，从而不断改进和完善基于云模型的综合评价理论与方法。

周金明，经济学博士，副教授，硕士生导师，中江学者，加拿大University of Windsor访问学者，研究方向：综合评价理论、方法与应用。主持国家社会科学基金一般项目1项、安徽省高校人文社会科学研究重点项目1项，主持或参与国家级、省部级项目34项，发表学术论文30余篇。入选安徽省中青年拔尖人才培养计划，安徽省教学成果奖一等奖、三等奖各1项，参编专著2部，编著教材1部。获首届全国高校微课竞赛二等奖，同课异构教学竞赛三等奖。

第1章 绪论
1.1 研究背景、研究目的及意义
1.2 国内外研究现状
1.3 主要研究内容与结构安排
第2章 理论基础
2.1 云模型理论基础
2.2 非确定性数据概述
2.3 幂平均复合判断矩阵综合评价一致性理论
2.4 非确定性数据的综合评价理论基础
第3章 基于云模型的直觉模糊数Bonferroni均值算子集成方法
3.1 预备知识
3.2 直觉模糊Bonferroni调和均值算子
3.3 直觉模糊云的概念与集成算子
3.4 算例分析
3.5 本章小结
第4章 基于云模型的毕达哥拉斯模糊数正负理想解评价方法
4.1 预备知识
4.2 毕达哥拉斯云的概念与集成算子
4.3 基于理想解的毕达哥拉斯模糊云综合评价方法
4.4 算例分析
4.5 本章小结
第5章 基于云模型的区间数伴语言变量混合多属性评价方法
5.1 预备知识
5.2 不确定语言变量的转换方法
5.3 区间数伴不确定语言变量的云模型综合评价方法
5.4 算例分析
5.5 本章小结
第6章 基于云模型的多指标模糊评价方法——以统计数据质量为例
6.1 统计数据质量评估的指标体系
6.2 云发生算法的设计思路
6.3 统计数据质量的云模型评价方法
6.4 算例分析
6.5 本章小结
第7章 结论与展望
7.1 研究结论
7.2 研究展望
参考文献
后记

非确定性数据，即模糊
数、区间数、联系数、灰数
和不确定语言变量等可以表
达不确定性信息的数据形式
。事实上，综合评价实践过
程中存在大量以非确定性数
据形式为载体的评价信息，
比如，医院管理统计评价中
的语言评价信息、企业信用
评估中的直觉模糊信息、科
技评价中的区间数信息、项
目评估中的灰数信息、产品
性能评估中的二元语义数信
息、供应链管理和企业过程
管理等问题中的复杂模糊信
息。以上诸多问题中，存在
具有不确定属性的指标，评
价者倾向于给出类似于非确
定性数据形式的评价信息。
故而，研究非确定性数据综
合评价方法，对于社会经济
评价活动等具有重要的应用
价值。
在现有的研究基础上，
本书研究基于云模型的非确
定性数据综合评价方法，根
据综合评价技术的基本步骤
，从全局和阶段上考虑相关
问题的研究。基于此，研究
基于云模型的非确定性数据
集成问题、具有混合多属性
数据的转换方法以及非确定
数据综合评价的应用场合和
可视化评价问题，从而不断
改进和完善基于云模型的综
合评价理论与方法。本书主
要内容安排如下：
第1章为绪论。本章阐述
了本书的研究背景和研究意
义，并分别对云模型理论、
复杂模糊数以及不确定语言
信息综合评价研究现状进行
了梳理和评述；然后介绍了
本书的主要内容、研究方法
、结构安排和可能的创新之
处。
第2章为理论基础。本章
厘清云模型的理论基础即云
模型的数字特征、距离测度
方法和云模型相似性测度方
法；明晰非确定型数据形式
的主要有模糊数、灰数、联
系数、区间数、直觉模糊数
、毕达哥拉斯模糊数和犹豫
模糊数等形式，详细阐述了
不同非确定性数据形式之间
的区别和联系；分析了非确
定性数据评价的理论基础。
本章为基于云模型的非确定
性数据综合评价方法的提出
提供了理论依据。
第3章为基于云模型的直
觉模糊数Bonferroni均值算
子集成方法。本章结合（α
，β）-截集技术，对
Bonferroni均值的概念进行
拓展为Bonferroni调和平均
算子，并介绍了梯形直觉模
糊数的概念及其运算；给出
（三角）梯形直觉模糊数的
一种排序方法，同时提出了
加权梯形直觉模糊
Bonferroni调和均值算子以
及规范赋权三角直觉模糊
Bonferroni调和均值算子。
给出了直觉模糊云的概念及
其运算，并提出直觉模糊云
逆向云生成算法；分别通过
基于加权梯形直觉模糊
Bonferroni调和均值算子的
最佳供应商选择问题、基于
规范赋权三角直觉模糊
Bonferromi 调和均值算子
的风险投资评估问题和基于
云模型的直觉模糊
Bonferroni均值算子的信息
系统安全评估问题等算例进
行分析，结果表明本章所提
出方法的有效性和可行性。
第4章为基于云模型的毕
达哥拉斯模糊数正负理想解
评价方法。本章对直觉模糊
数与毕达哥拉斯模糊数概念
间的区别与联系进行分析，
提出毕达哥拉斯模糊云模型
的概念，分析了毕达哥拉斯
云模型的优良性质以及毕达
哥拉斯模糊云模型距离的测
度方法，并结合云模型生成
算法提出了毕达哥拉斯模糊
云的集成方法，然后利用正
负理想解方法解决了电子商
务中买家关于所购商品的评
价信息对潜在客户的影响的
分析。
第5章为基于云模型的区
间数伴语言变量混合多属性
评价方法。本章介绍区间数
的概念、区间数的代数运算
性质和区间数可能度排序方
法，结合（正态）云模型的
普适性和利用语言变量的定
性定量转换的黄金分割法，
提出了混合多属性的云模型
综合评价方法，并将其应用
于解决空袭目标的危险态势
评估问题，实现了尽可能少
的信息损失和扭曲，表明该
方法的优越性。
第6章为基于云模型的多
指标模糊评价方法。本章以
统计数据质量为例，给出了
一种基于云模型的统计数据
质量评价新方法。首先，确
定云模型的评价等级语言粒
度，对其进行软划分，并根
据统计数据质量的评价指标
体系，从准确性、及时性、
适用性、一致性、可衔接性
、可解释性、可获得性和有
效性等八个维度刻画数据质
量评估云模型，利用云模型
加权算术平均集成技术，构
造评价综合云；其次，结合
云模型相似性的测度方法，
根据综合云与评价等级云模
型的相似度判断统计数据质
量评估综合云的隶属等级。
实例表明，新方法可以作为
统计数据质量评估和监管的
一个参考。
第7章为结论与展望。本
章对全书研究的结果进行了
总结，同时也指出本书中尚
存在的不足之处以及未来需
要改进的和继续深入研究的
问题。
笔者于2020年以“基于云
理论的非确定性数据综合评
价集成技术研究”为课题申
报国家社会科学基金项目（
20BTJ048），有幸获批立
项。本书是该课题研究的阶
段性成果，感谢国家社会科
学基金的资助，感谢全国哲
学社会科学规划办公室的支
持。感谢浙江工商大学副校
长苏为华教授的辛勤指导。
本书的出版还得到了中国财
政经济出版社的大力支持。
本书撰写过程中，借鉴
了很多专家、学者的成果，
在此对书中所参考文献的作
者表示诚