本书基于大数据研究系统的能力评估框架与方法，针对传统的能力评估理论和方法主要存在的缺陷，从大数据中挖掘有价值的信息来辅助评估，以提高评估的客观性、科学性、可信性。本书借助鲁棒有序回归方法，构建了基于大数据的交互式能力评估新型框架；通过特征选择算法分析了行动效果关键影响要素；将鲁棒有序回归方法用于确定评估模型的参数，并提出了认知最优最劣方法、区间认知网络过程和区间最优最劣方法3种新的基于两两比较的方法，用于辅助专家提供评估的参考信息。 本书提出的能力评估框架和方法可以推广到多种评估应用中，书中内容可为能力评估和大数据相关研究人员提供参考。本书可作为本科生和研究生的教辅资料，也适合企业与行业大数据从业人员阅读。

第1章 绪论
1.1 研究现状
1.1.1 能力评估研究现状
1.1.2 特征选择算法研究现状
1.1.3 鲁棒有序回归研究现状
1.2 存在的问题及解决思路
1.3 研究内容
第2章 基于大数据的能力评估框架
2.1 典型的大数据
2.2 能力评估框架确定
2.2.1 基本指标值的确定
2.2.2 评估模型的确定
2.2.3 交互式评估过程
2.2.4 评估参考信息辅助生成方法
2.2.5 能力评估框架
2.3 本章小结
第3章 行动效果关键影响要素分析
3.1 相关基本概念
3.1.1 信息论相关概念
3.1.2 划分相关概念
3.2 基于互信息的特征选择算法
3.2.1 MIFS
3.2.2 MIFS
3.2.3 mRMR
3.2.4 NMIFS
3.2.5 MIFS-ND
3.2.6 JMI
3.2.7 IGFS
3.2.8 DISR
3.2.9 JMIM
3.2.10 NIMIM
3.2.11 CMIM
3.2.12 IF
3.2.13 FOU
3.3 基于划分计算互信息的特征选择算法
3.3.1 基于划分计算熵
3.3.2 FSMIP算法
3.4 实验结果与分析
3.4.1 实验设计
3.4.2 人工数据集上的实验
3.4.3 真实数据集上的实验
3.5 本章小结
第4章 基于鲁棒有序回归的能力评估
4.1 鲁棒有序回归方法概述
4.1.1 ROR在多准则效用理论中的应用
4.1.2 极限排序
4.1.3 最具代表性模型参数的选择
4.2 基于鲁棒有序回归的能力评估概述
4.2.1 评估参考信息的类型
4.2.2 “必然”和“可能”偏好关系
4.2.3 最具代表性模型参数的确定
4.3 案例分析
4.4 本章小结
第5章 评估参考信息辅助生成方法
5.1 基于两两比较的多准则决策方法
5.1.1 层次分析法
5.1.2 基本认知网络过程
5.1.3 最优最劣方法
5.1.4 区间型两两比较方法
5.2 认知最优最劣方法
5.2.1 比较判断向量的一致性
5.2.2 推断权重向量
5.2.3 数值案例
5.3 区间认知网络过程
5.3.1 IPOM的一致性
5.3.2 推断区间型效用向量
5.3.3 数值案例
5.4 区间最优最劣方法
5.4.1 两阶段法
5.4.2 目标规划法
5.4.3 数值案例
5.5 本章小结
第6章 总结与展望
参考文献