A=W·R （6）
第三步：求出评价结果，通过评语等级论域和归一化矩阵得到最终应用满意度得分。
3 计算实例
在应用满意度调查中，针对某省某系统应用满意度收集了200份业务人员填写的调查问卷，调查情况如表1所示：
表1 调查结果
评语集 评价指标集合
界面合理性 操作便捷性 数据准确性 响应速度 系统稳定性
很满意5 46 42 54 24 32
较满意4 90 78 110 148 70
一般3 38 48 30 18 24
不满意2 22 18 6 16 50
很不满意1 4 14 0 0 24
权重 0.3 0.3 0.2 0.1 0.1
确定该应用满意度的隶属度矩阵：
计算综合评定向量：
归一化处理得：
（0.213 0.47 0.179 0.099 0.039）
该应用的综合满意度得分为：
评价结果表明，大约21%业务人员对该应用满意，大约47%业务人员对该应用较满意，大约18%对该应用表示一般，大约10%业务人员对该应用表示不满意，大约4%业务人员对该应用表示很不满意。即应用满意度综合得分为3.719。
利用模糊数学中的最大隶属度原则，业务人员（用户）对该应用较为满意。通过上述实例，满意度综合评价方法一方面可以有效避免评价者评价时的主观因素和心理效应造成的误差，另一方面评价过程清楚地显示了各种评价状态对应用满意度的影响程度。
4 结论
将模糊综合评价方法引入到电信行业应用满意度评定中来，是对决策思维的数学模拟。该方法汇总了各方面的评价意见，充分考虑各种因素，通过数学运算形成较为全面综合的结论，在一定程度上能够科学评价被评事物，具有较好的客观性。
本评价方法实施简单，虽然采用了模糊数学的理论，但计算并不复杂也不高深，只需要确定权重和评价指标，然后利用计算机对数据进行统计、处理、分析，方便易行。此外，该方法适用范围广，可对电信行业整体应用满意度进综合评价，也可以对其中的个别因素进行重点分析。
应用满意度综合评价方法的建立符合实际情形，有利于辅助决策层准确了解应用的实际情况，从而促进全网应用建设质量的提高。从实例中可以看出该模型求解简便，而且可对其中个别因素进行评价，有较好的实用性和推广价值。
参考文献：
[1] 赵小红. 移动信息服务客户满意度的模糊综合评价[J]. 消费导刊， 2008（23）.
[2] Ma L， Liu Y， Zhou X P. Fuzzy Comprehensive Evaluation Method of F Statistics Weighting in Identifying Mine Water Inrush Source[J]. International Journal of Engineering， Science and Technology， 2010（7）： 123-128.
[3] 赵文清，贾慧敏，钱周信. 多因子分层模糊评价法的算法设计探讨[J]. 数学的实践与认知， 2008（7）.
[4] 陈大峰，万洛楷. 移动BOSS系统中客户信用度综合评定的研究[J]. 南京审计学院学报， 2006（4）.
[5] 吴斌. 基于模糊数学模型的节目满意度综合评价法[J]. 海南大学学报， 2011（2）.
[asp.net电子商务网站论文]ASP.NET在电子商务网站中的
建筑设备论文2017-02-05 16:32:12