数据处理归一化1.数据类型的一致化或无量纲化处理方法1.数据类型的一致化处理方法例如：2010D优秀论文1.数据类型的一致化处理方法2.数据指标的无量纲化处理方法例如：2010D优秀论文3.模糊指标的量化处理方法按国家的评价标准,评价因素一般分为五个等级，如A，B，C，D，E。如何将其量化？若A-，B+，C-，D+等又如何合理量化？根据实际问题，构造模糊隶属函数的量化方法是一种可行有效的方法。假设有多个评价人对某项因素评价为A，B，C，D,E共5个等级:{v1,v2,v3,v4,v5}。譬如：评价人对某事件“满意度”的评价可分为{很满意，满意，较满意，不太满意，很不满意}将其5个等级依次对应为5，4，3，2，1。这里为连续量化，取偏大型柯西分布和对数函数作为隶属函数：3.定性指标的量化处理方法3.定性指标的量化处理方法模糊定性指标量化的应用案例应用数据预测：插值与拟合在简单模型中选择拟合效果好者。例人口预测1949年—1994年我国人口数据资料如下：年份xi49545964697479848994人数yi5.46.06.77.08.19.19.810.311.111.8建模分析我国人口增长的规律,预报99年我国人口数1.在坐标系上作观测数据的散点图。2.根据散点分布的几何特征提出模型3.利用数据估计模型的参数4.计算拟合效果最小二乘法：求参数a和b，使得误差平方和最小可以算出：a=–1.93，b=0.146模型：y=–1.93+0.146x模型三人口自然增长模型结论讨论讨论应用数据预测：回归模型10.1牙膏的销售量基本模型MATLAB统计工具箱结果分析销售量预测模型改进两模型销售量预测比较x2=6.5交互作用影响的讨论完全二次多项式模型10.2软件开发人员的薪金应用数据预测：灰预测GM(1,1)