高校节约型校园综合评价模型研究

福建电脑　２００８年第４期　－＿．＿同　校节约型校园综合评价模型研究　Ｃ　Ｉ－一　刘雨华　．张颖超　（１．南京信息工程天学财务处－Ｌｖ．苏南京２１００４４　２．南京信息工程大学信息与控制学院江苏南ＴＯ．２１００４４）　【摘要】：在倡导建设节约型社会的今天，全国大部分高校将节约型校园建设工作提到重要议事日程，并纳入学校的”　Ｉ－－－五”发展规划。本文初步设计了节约型校园综合评价指标体系，并基于梯形模糊数层次分析法构建了节约型校园综合评　价模型。　【关键词】：节约型校园；综合评价；指标体系；梯形模糊数层次分析法　党的十六届五中全会在《关于制定国民经济和社　目标屉　准则层　指标层　单位　会发展第十一个五年规划的建议》中明确提出建设节约型社会　师虽韭享率　责游共享　实验宣资源共卓半　的目标，总理在十届全国四次会议的《工作报　图书赉谭　事率　生均年耗水量　吨　告＞中针对资源节约工作又再次提出：要抓好六项举措，以加快　生均年耗电正　千瓦时　建设资源节约型、环境友好型社会。教育部（教发［２００６］３号）也　节约型授园综台评　能源泊耗　生均年耗煤最　吨　价　生均年耗液化气量　立方米　下达了《教育部关于建设节约型学校的通知》，在这种新的形势　均年耗燃油量　升　生均办公费　和背景下，建设节约型校园已刻不容缓，这是一件”功在当代，利　材车｛赞片ｉ泊耗　生均材料费　于千秋”的益事。节约型社会呼唤节约型校园，建设节约型校园．　生均差施赞　生均招持费　不仅是学校自身发展的需要，更是高等学校应有的社会责任【ｌ】。　人力资源　用　学生与教师人数比　那么如何评价节约型校园的建设成效．就成为人们不得不思考　表Ｉ节约型校园综合评价指标体系　的一个新课题　本文从财务管理角度设计了节约型校园综合评　注：①考虑到人才培养以学年为周期．计算节约型校园评价　价指标体系．并基于梯形模糊数层次分析法构建了节约型校园　指标数据时．以上年９月１日到当年８月３１日支出数为依据进　综合评价模型　行计算。　一、节约型校园综合评价指标体系的构建　二　基于梯形模糊数层次分析法的综合评价模型　（一）构建节约型校园综合评价指标体系的依据　（一）梯形模糊数的基本概念和运算　构建评价指标体系是进行综合评价的前提和基础．科学合　定义ｌ『羽称　：　ｍ，ｎ，５）为梯形模糊数，如果它的隶属函数为　理的评价指标体系是保证综合评价质量的关键之一。本文在构　ｘ）：Ｒ．一『Ｏ，１１，如图１所示，即　建指标体系时主要遵循了以下原则口Ｔ３ｌ：　，≤　ｓ，，ｌ　（１）系统性原则　节约型校园综合评价指标体系应当包括资源共享、能源消　埘Ｓ　Ｓ一　，　（　）＝　芦芦　耗、材料费用消耗、人力资源占用这四个方面，并将它们联系起　ｓ　ｓ　（１）　来　指标体系要全面系统反映节约型校园建设的成绩与不足。　其它ｘ　、　（２）科学性原则　式中ｘ∈Ｒ，Ｚ≤ｍ≤ｎ≤５分别为　的下界和上界。特别地，当ｍ：ｎ　在选取指标时要以科学的理论作为依据．即指标需具有一　定的科学内涵．目的清楚．定义准确，具有一定的理论基础，要尽　时，　是三角模糊数；当ｌ＝ｍ＝ｎ＝ｓ时，　是实数。　量全面、完善．能够反映节约型校园建设的情况。　（３）可比性原则　１．０　指标体系的建立应同时符合纵向可比和横向可比的原则。　前者指的是符合高校不同年份之问的比较．后者意味着可用与　不同学校之间的比较、以及学校内各部门之间比较，由此推动整　０　个校园的节约工作的顺利开展。　（４）可操作性原则　图Ｉ梯形模糊数　隶属函数　在指标选取过程中要充分考虑指标数据取得的难易程度、　定义２［４］对于由上式定义的梯形模糊数　，称　可靠性和成本．并充分考虑建立模型后的计算问题。　（二）节约型校园综合评价指标体系框架说明　（　导，，≤ｘ≤棚　节约型校园建设是一项复杂的系统工程．为了全面进行综　是　。的左隶属函数．而　合评价，所涉及的指标一般会较多，同时也各有侧重，如果不加　以归类整理．则整个指标体系就会显得杂乱无章。通过分层建立　（　）＝　，，Ｉ≤　≤　，Ｉ—　指标体系．既可显示出整个体系的条理性，又可从几个大的方面　是　的右隶属函数。显然，　（ｘ）是严格增函数；　（ｘ）是严格减　反映全貌．使整个指标体系既系统又完整。目前国内外在指标体　函数。它们的反函数分别为　系的设计上一般都采用多层指标．本文建立的三层指标体系结　构如表１所示，分为目标层、准则层、指标层。共包括４个准则．　ｇ　（　）＝，＋（　一，）　，　∈【０，１ｌ　１３个具体指标　ｇＲ　（　）：　＋（，Ｉ—　）　，　∈【０，１】　（２）　定义３［５１称　基金项目：江苏省六大人才高峰（Ｏ６一Ａ—Ｏ２７）；江苏省高校自然科学基金项目资助（０６Ｋ．ＪＤ５２０１２２）　维普资讯 http://www.cqvip.com

２００８年第４期　福建电脑　梯形校期散　隶属虚函教　２Ｉ　，　（　））＝ｊ＝ｆ　ｇ　（　）　＝　０　一　Ｉ　（Ｉ，Ｉ，三．２）　２　为梯形模糊数　的左期望值：而称　（ｘ－】，　一　，２　　＋　，２　　＋１），　．＝２．３，４，５，６，’７，　８　，尺（　）＝ｇ￣（ｙ）ｄｙ＝竿　０　一　９　（８，一１７，９，９）　为梯形模糊数　的右期望值。　定义　梯形模糊数　的期望值是上两式的集成．记为　表２梯形模糊数及其相应的隶属度函数　元素　与　，重要性比较　传统　赋值　改进　赋值　赋值　，　（　）＝ｃｄＬ６４）＋（１－ａ）Ｉ　（　），０≤　≤１　ｆ　、　相等　ｌ　５ｆ５　；＝（１…１１１）　其中Ｏｔ表示乐观系数．如果０≤　≤５表明决策者是持偏向　悲观的态度．如果０．５≤　≤１表明决策者是持偏向乐观的态度，　当Ｏｔ－０．５表明决策者是持中立的态度。　对于任意两个梯形模糊数　＝ｆｊ　，ｔｎ　ｎ　ｓ　＝和　：＝　ｔｎ　ｓ　（其中　＞ｏ　２＞０，ｋ＞０），根据扩展原理，给出相应的梯形模糊数　运算规则如下ｆ６Ｉ：　ｌ　０　２：（，ｔ＋ｌｚ，，村ｔ＋　，２，以ｔ＋以２，　ｉ＋　２）　（４）　ｌ　０　Ａ２　（，１，２，　１　２，＂Ｉ　２，Ｓ１　２）　（５）　０　Ｉ＝（ｋｚｌ，ＸｍＩ，　Ｉ，　Ｉ）　（６）　ｃ　－　：ｃ　Ｓ１，吉，击，ｌ　　ｌ　０　（７）　／．～４２＝（ｉ，　，　，，　以，　，　鲁）Ｉ，　　（８）　符号”０…’⑦”分别表示梯形模糊数加法和乘法运算。　（－－）基于梯形模糊数层次分析法建模的基本步骤　运用梯形模糊数层次分析法建立综合评价模型与运用　ＡＨＰ建立综合评价模型步骤基本一致．一般可分为以下几个步　骤　：　１、建立递阶层次结构模型　这是运用梯形模糊数ＡＨＰ中最重要的一步。首先，根据对　问题的了解和初步分析，把复杂问题进行分解．把这些元素按属　性不同分成若干组，以形成不同层次。同一层次的元素作为准　则，对下一层次的某些元素起支配作用。同时它又受上一层次元　素支配。这种从上到下的支配关系形成了一个递阶层次。本文建　立的递阶层次结构如表１所示　２、构造基于梯形模糊数的两两比较判断矩阵　假设考虑的决策问题中有ｎ个指标　…％ｒｎ≥２），并记　＝　。ｌｉ∈＾ｃ『为指标集，其中Ⅳ＝　，２，…，　ｎ≥２１。我们先给出用梯　形模糊数表示的互反判断矩阵的定义．由决策者针对指标集　中指标两两比较的重要性程度确定　定义５设Ｒ为ｎＸｎ的模糊判断矩阵．它的元素是ｎ个因素　或准则针对某层次的某一准则的两两重要性比例　。如果Ｒ的　元素．ｉ使用梯形模糊数　ｍ　ｎ　表示，并且ｉ＝（ｉ）‘’＝　一，ｍ　一，　ｎｆ’，ｓ　Ｊ和ｉ＝　，Ｊ，Ｊ，Ｊ　∈ⅣＪ，则称Ｒ是正互反梯形模糊判断矩　阵。　传统比较判断矩阵中．各元素值一般采用的是”１　９”比较标　度法。但”１～９”标度法也存在一些缺陷，这种标度并不能比较”精　确地”反映我们的实际思维。例如。若ａ比ｂ”略微重要”。则二者　的重要性比在”１＿９标度法”中取为３：１。也即０．７５：０．２５，这显然　不够合理．而取为０．６：０．４则是可以接受的。为了能够比较准确　地反映我们的实际思维．即按标度给出的相对重要性大小要与　定性分析的结果基本相符。本文采用改进后的标度等级，并用表　２所列的梯形模糊数隶属度函数计算对应的梯形模糊数．计算　后得到的标度等级赋值如表３所示。　稍微重要　３　６／４　，导，等，争　明显重要　５　７，３　＝ｃ　，　，　强烈重要　７　敬　＝（＿Ｉ７了ｌ１７，９）　扳端重要　９／Ｉ　＝（４，了１７．９＇９】　表３元素两两对比时的重要性等级及其赋值　注：ｉ＝（ｉ）一一　３、一致性检验与调整　定义６：对于模糊判断矩阵Ａ＝　，如果　口　≈！生（ｆ＝，　，　ｌ，２，…，　）　Ｃｌ　则称Ａ是一致性模糊判断矩阵　本文一致性检验的基本思想是利用梯形重心公式把梯形模　糊数清晰化．从而把模糊判断矩阵转化为一般判断矩阵。对转化　后的判断矩阵进行一致性检验．如果该矩阵不一致则说明原梯　形模糊判断矩阵是不一致的．就由该矩阵的每一行构造一个一　致性矩阵．在这些矩阵中找出一个与该一般判断矩阵最贴近的　矩阵．然后将该行所在原梯形模糊数矩阵的数据构成一个一致　性梯形模糊数矩阵并与原梯形模糊数矩阵整合．从而完成一致　性调整。　（１）模糊判断矩阵的一致性检验　对于梯形模糊数．最能代表其特征的为该模糊数所表示的　梯形的重心阁。因此，在一致性判断时计算该模糊数的梯形重心，　从而使梯形模糊数清晰化。对于梯形模糊数　＝　鸭　的重心　苍，．…　。（　）：　（９）　、　３（ｓ＋ｎ—ｆ一　这样经过变换后得到普通判断矩阵（简称为核心矩阵）。一　般地．只要该矩阵一致性比例ＣＲ≤　Ｊ，就可以认为原梯形模糊　数判断矩阵可以用于决策．直接可利用专家给出的原模糊判断　矩阵求指标的权重，但如果ＣＲ＞０．１就要对其进行一致性调整。其　中．一　　ｒ，　ｃＲ＝　Ｒ／　（１Ｏ）‘儿，）　ｃ，：　登＝竺　一　，　ｎ一１　（１１）　ｃ，为一致性指标．ＲＩ为与核心矩阵同阶的平均随机一致性　指标，其值随核心矩阵阶次不同而不吲，如表４所示。　为矩阵　的最大特征根，ｎ为矩阵的阶数，当　ｉｎ－ｎ时，矩阵是完全一致　的。　疗　１　２　Ｉ　３｛４｝５｝ｓ　７　８　９　彤　０　０　ｊ　０．５８　ｌ　０．９０　ｌ　ｌ＿１２　ｌ　ｌ＿２４　Ｌ　３２　ｌ＿４ｌ　１．４５　表４平均一致性指标表　维普资讯 http://www.cqvip.com

福（２）梯形模糊判断矩阵的一致性调整　建电脑　２００８年第４期　（１１综合各专家的偏好信息，其计算公式如下　＝（Ｉｖ，％，　，　）　＝由于人的判断上存在一定的误差．专家给定的梯形模糊判　断矩阵有时是不一致的．因而导致此矩阵的核心矩阵也不一致。　故需要对专家给出的判断矩阵做出调整．使之满足一致要求．以　便用于决策。本文采用的一致性调整步骤如下：　①构造一致性矩阵　以核心矩阵Ａ＝　中的第ｉ行数据为基础，即第ｉ个指标　与其它指标的相对重要性。根据以上一致性矩阵的要求．可以分　别构造出一组新的一致性判断矩阵：　÷０　，　，…，　）　＝哇。砉　１。砉　，　１。妻ｎ　，　１。妻　）　＝‘　（２）计算各指标的模糊评价值，其计算公式如下　＠　６一，ｐ，Ｔ一，Ｔ　ｐ一，６　）　Ａ，＝　上　：ａｋｉａ　＝［ａ　／ａ　，　、　其中，ｉ表示Ａ　矩阵是以核心矩阵Ａ中第　行数据为基础构造　其中：　：。　ａ　＝ｌＩ　ｒ兀　ｌ，Ｉ　ｒ，ａ＝　ａ∑ａ　＝　ｐ　＝ｌ　ｒ兀％ｌ，Ｉ％ｒ，ｐ：＝　：∑ｐ　¨　（１　Ｊ９）　ａ　：ｆＩ。　。　得到的　这样可以构造出　个一致性矩阵　为了进行一致性词整．需　要从这ｎ个矩阵中挑选出一个与核心矩阵最贴切的一致性矩　阵。本文采用两个矩阵之间各元素之差的平方和形式来定义两　个矩阵的贴近程度　令　Ｋ，＝∑∑（口“一日　）　（１３）　，　，　，　，∈　１　１　ｔ叶Ｊ１）　则　就可以反映出矩阵Ａ．与核心矩阵Ａ的相近程度。岛越　大，表明矩阵Ａ　与核心矩阵Ａ越贴近；岛越小，表明矩阵　与核　心矩阵Ａ差异越大。找出，Ｍ　将梯形模糊数判断矩阵第　Ｙ行构造成一致性梯形模糊数判断矩阵。设Ｒ　为由原梯形模糊　数判断矩阵第Ｙ行构造的一致性矩阵．则　Ｒｙ＝　ｌ　＝　ｌ　＝ｌＬ　　ｙｉ＿ＩＪ　　（１５）　其中　＝（，　，，，ｌ　，　，　）　ｉ　（ｉ　ｙｉ，ｍｙｉ，ｎｙｉ，ｓｙｉ）　：　，　，　，　）　ｒｙｉ　５　ｙ｜　ｎ　ｖｉ　ｍ¨ｔ　ｙ｜　Ａ　∈｛１．２…，ｎＪ　ｏ　②梯形模糊判断矩阵的调整１９Ｉ　ｏｌ　利用矩阵风对原梯形模糊数判断矩阵　进行一致性调整。　方法如下：由矩阵　与Ｒ构造新的矩阵尺．：【ｉｌ　其中：　＝（１一ｆ）　＋　”　ｌ≤ｆ＜．，　，ｔ∈［０Ｉｌ】　（１６）　：（　）　＝【（１一『）　＋　”】　（１７）　（１７）　可见当卜，ｌ时，Ｒ　Ｒ，即尺’的一致性程度越高。同时与尺的　差异增大，自然就要怀疑能否代表专家意见；当卜＋ｏ时。尺　，即　尺‘与尺越接近，更接近专家的原始判断。但是一致偏差可能增大。　矩阵尺’进行一致性检验时ｔ的取值需要针对具体的问题确　定。在取定‘值的情况下。如果尺‘通过一致性检验．表明此时矩　阵尺’可以代表专家的意见并用于决策：反之．还要根据问题再确　定是否要反馈给专家确认调整。一般ｔ可取１１３　至此，就完成了对专家判断矩阵的调整和一致性检验。如果　ｔ的取值在上述的范围内，并且Ｃ尺≤ｎＪ，则尺’就可以直接用于　决策，而不需要反馈给专家确认；否则尺’就必须反馈给专家确　认和调整　４、梯形模糊权重的计算　假设同时聘请Ｌ（Ｌ＞Ｉ）位专家（设各专家处于平等地位）分　别对同一指标集中的进行两两比较判断．并分别给出梯形模糊　数互反判断矩阵，并经过一致性检验或调整。我们记第位专家　给出的判断矩阵为尺　ｉ　，其中　’＝（　，Ｊ，ｌ　，，ｌ　’，　’），膏＝ｌ，２，．一，Ｌ：ｆ，　∈Ｎ　下面给出梯形模糊权重计算的过程和步骤ｆｌ１１：　Ｔ　＝ＩＬ　。１兀～Ｉ，　Ｊ　Ｔ＝∑Ｔｌ　　：６　＝ｆＬｊｏｌｌ－Ｉ　　Ｉ，Ｊ　６＝∑６Ｉ　　。　（３）计算指标　的模糊评价值的期望，由于　∈ⅣＪ为梯形　模糊数，我们先计算出　的期望值。　（　）＝　（　）＋（１一ａ）１　（　）０≤　ｓ１，ｆ∈Ｎ　（２Ｏ）　通常可取仅＝０．５…１，为此，上式则变形为：　）＝　，ｆ∈＾，（２１）　特别地，ｍｊ＝　时，ｉ是三角模糊数，　）＝　，ｆ∈Ⅳ　显然，上式期望值越大，表明其对应的指标越重要。　（４）计算指标值的权重。对上式进行归一化即得各指标相对　上一层的权重　ｗ　（ｎ＝　（　）　，ｉ∈Ｎ　（　）　（２２）　』－一　‘　，＝ｌ　式中ｌｔ，慷示ｋ层指标Ｘｉ相对ｋ—Ｊ层的权重。　ｆ５１综合指标权重　将指标层各指标的权重分别与准则层、子目标相对应的指　标权重相乘，可计算得出指标层各指标相对总目标的权重。　５、计算综合评价结果　通常采用线性加权综合评价模型　Ｙ＝∑ｗｊｆ＝ｌ　　（２３）　来进行综合评价结果的计算。　式中Ｙ为系统的综合评价值．Ｗｉ是与评价指标ｘｉ相应的权　重系数　（０　Ｗｉ　ｌ（ｆ＝１，２，…，　），∑　＝１）。　ｉ＝ｌ　至此。基于梯形模糊数的综合评价模型已经建立完成．根据　得到的综合评价结果可以进行排序、评价．并提出相应的对策和　建议。　三　指标数据的处理　（一）定性指标数据的定量化　在构建的节约型校园综合评价指标体系中．资源共享下的　师资共享率、实验室资源共享率、图书资源共享率这三项指标属　于定性指标。一般可采用模糊语言值对其进行评价。在此采用五　个等级进行评价，即极差、差、中等、好、极好。对应模糊语言值的　梯形隶属度如图２所示。各等级均可用梯形模糊数来表示。　∽　极差　差　中等　好　极好　０　０．１　０．２　０．３　０．４　０．５　０．６　０．７　０．８　０．９　１．０　图２定性指标评价等级对应梯形隶属度图　（下转第４４页）　维普资讯 http://www.cqvip.com

福　建　电脑　２００８年第４期　或者多个子节点．除了根节点以外的每个节点都有与之相关联　我们要从ＸＭＬ文档中提取基本数据信息．解析器把ＸＭＬ文档　的父节点．节点对象提供了可以对整个基因树进行遍历的功能　转换生成一棵Ｄ０Ｍ树。这样信息的搜索就变成了对信息树的遍　函数。在主体中，我们通过ＡＧＭＬ（Ａｇｅｎｔ　Ｇｅｎｅ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ，　历。用户可以在信息树上进行增加、删除和修改等操作。随着信　ＡＧＭＬ）文件初始化一个Ｄ０Ｍ对象：　息树不断地被修改，ＸＭＬ的结构和内容也将不断地发生变化。　当数据库接收到ＸＭＬ文档后．它根据Ｓｃｈｅｍａ文档的定义并以　ＤＯＭＰａｒｓｅｒ　ＭｙＰａｒｓｅｒ＝ｎｅｗ　ＤＯＭＰａｒｓｅｒ（）　信息树的结构形式遍历ＸＭＬ文档．将文档中的内容更新到数据　ＭｙＰａｒｓｅｒ．ｐａｒｓｅ（ｕｒｉ）；　这样．我们最初设计的主体个性化信息的结构图就以ＤＯＭ　库中。　树的形式存在了，当我们需要提供相关的参数的时候，只需要从　４．面临的问题　４．１平台和操作系统的问题　ＤＯＭ对象中找到相应的节点，就可以获得参数值。　Ｅｌｅｍｅｎｔ　ＩＮＦＯ＝（Ｅｌｅｍｅｎｔ）ｌｉｎｋ．ｇｅｔＥｌｅｍｅｎｔｓＢｙＴａｇＮａｒａｅ（”ＩＮＦＯ”）．ｉｔｅｍ（０）：　当处理ＸＭＬ应用时．主要问题之一就是在各种各样的计算　Ｓｔｒｉｎｇ　ｉｄ＝ＩＮＦＯ．ｇｅｔＥｌｅｍｅｎｔｓＢｙＴａｇＮａｍｅ（…ＩＤ）．ｉｔｅｍ（０）ｇｅｔＦｉｒｓｔＣｈｉｌｄ（）．ｇｅｔＮ・　机平台和操作系统下，怎样平等地使方案同样起作用。尽管和其　ｏｄｅＶａｌｕｅ（）；　ＸＭＬ是平台无关的，但实际上，用来开发和浏览　Ｓｔｒｉｎｇ　ｕｒｌ＝ＩＮＦＯ．ｇｅｔＥｌｅｍｅｎｔｓＢｙＴａｇＮａｒａｅ（”ｕｒｌ”）．ｉｔｅｍ（０）ｇｅｔＦｉｒｓｔＣｈｉｌｄ（）．　他标记一样，ｇｅｔＮｏｄｅＶａｌｕｅ（）；　ＸＭＬ文档的工具却归各个厂商所有。不管这个方案是从头设计　主体在执行任务的过程中．需要不断的从周围的环境中学　的还是利用已经开发好的方案．都需要从开始就决定你的方案　习。提高自身的适应能力，并且需要保存主体的执行结果。这就　将需要什么样的平台和操作系统。需要支持的平台和操作系统　需要不断地向ＤＯＭ中增加节点　越多。开发时问就越长。如果是在为多个操作系统和平台开发　我们下面给出利用ＤＯＭ技术向主体中基因信息库添加信　ＸＭＬ方案。若它们不支持需要的全部系统。则可以考虑：　息的部分代码。　转向另一个平台　．Ｅｌｅｍｅｎｔ　ＭＡＬ１　＝ＩＮＦＯ．ｅｒｅａｔｅＥｌｅｍｅｎｔ（”ＭＡＬＬ＇’）；　ｌｅｍｅｎｔＥ　ＩＤｔｅｘｔ＝ＩＮＦＯ．ｅｒｎｔｅｅＥｌｅｍｅｎｔ（…ＩＤ）；　ｔｅｘｔｓｅｇ　ＩＮＦＯ．ｅｒｎｔｅｅＴｅｘｔＮｏｄｅ（ＩＤ）；　ＩＤｔｅｘｔ．ａｐｐｅｎｄＣｈｉｌｄ（ｔｅｘｔｓｅｇ）；　ＭＡＬＬ．ａｐｐｅｎｄＣｈｉｌｄ（１ｉｎｋｔｅｘｔ）；　．找到另一个平台所需平台的工具。把其利用到本方案中。　和此工具的开发者共同创建一个多平台的工具　４．２基于ＸＭＬ的交互在网络安全方面的风险性　些重要的基于ＸＭＬ的攻击可能是在ＸＭＬ文本文档内部　・一３、２数据库信息ＸＭＬ文档的映射　数据库到ＸＭＬ文档的映射是指将用户从数据库中所提取　的数据信息转换成ＸＭＬ文档的结构形式保存在ＸＭＬ文档中。　ＸＭＬ文档通过与扩展样式语言（ＸＳＬ）的结合可将这些数据信息　进行的数据操作。例如，在基于文本的攻击方面，黑客可以在文　档、应用程序和Ｗｅｂ站点上插入符号、数据和其它字符。这些字　符可以组成一段恶意的程序．如病毒、或者是能导致其它问题之　类的代码。例如．插入一段字符串可能导致缓冲区溢出以及相邻　通过Ｗｅｂ服务器生动地展现在Ｗｅｂ浏览器上。在这里．ＸＭＬ文　缓冲区的数据被破坏或者覆盖。另外，黑客可以插入与ＸＭＬ文　档和ＸＳＬ的功能不同．ＸＭＬ文档是基于对数据信息内容的表　档的ＤＴＤ相容的数据。这样，这些数据看上去是有效的，而应用　达．而ＸＳＬ描述的是用什么样式来显示这些数据信息。当用户　程序其实并不能对它们进行正确的处理。　要对数据信息内容进行改动时．可根据标记定位到要改动的数　５、结论　据信息的位置，然后再对数据信息进行修改，修改的整个过程与　ＸＭＬ是一项Ｗｅｂ开发的新技术．利用它可以Ｉｎｔｅｒｎｅｔ或　ＸＳＬ无关。而当用户要对数据信息的显示风格进行改动时，则需　Ｉｎｔｒａｎｅｔ创建并发布信息。虽然它还需要面对一些挑战，但是　修改ＸＳＬ，这时ＸＭＬ文档无需变动。　ＸＭＬ以其简单性、规范性、开放性、灵活性和可扩充性等优点，　通常．数据库中的关系数据到ＸＭＬ文档的映射规则为：　运用于不同领域异构资源的集成中。　表一一元素，列一一属性。通过使用元素标记和属性标记，使ＸＭＬ　文档的内容具有可识别性。元素标记和属性标记是自定义的，它　参考文献：　们的描述都存放在Ｓｃｈｅｍａ（模式）文件中。元素标记和属性标记　１．Ｓ．Ｌｕ．Ｙ．Ｓｕｎ，Ｍ．Ａｔａｙ．Ａ　ｓｕｆｆｉｃｉｅｎｔ　ａｎｄ　ｎｅｃｅｓｓａｒｙ　ｃｏｎｄｉｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｃｏｎ－　在ＸＭＬ文档呈＜＞和＜，＞配对出现．属性标记嵌套于元素标记　ｓｉｓｔｅｎｃｙ　ｏｆ　ＸＭＬ　ＤＴＤｓ．Ｉｎ：Ｐｒｏｃ．２２ｎｄ　ＡＣＭ　Ｉｎｔ　ｌ　Ｃｏｎｆ．Ｃｏｎｃｅｐｔｕａｌ　Ｍｏｄｅｌｉｎｇ．Ｂｅｒｌｉｎ：Ｓｐｍ￣ｒ—Ｖｅ￣ｈｇ，２００３．２５０—２６０　中．标明从关系表中获取的字段信息。　３．３　ＸＭＬ文档到数据库结构的映射　２．Ｍａｒｉａ　Ａｆｉｇｅｌｅｓ　ｅｔ　１ａ．Ｔｈｅ　Ｃｈａｌｌｅｎｇｅｓ　Ｔｈａｔ　ＸＭＬ　Ｆａｃｅｓ　ｏ】．ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ，　３４（１０）：１５—１８．　ＸＭＬ文档到数据库结构的映射是根据ＸＭＬ文档的结构形　２００１；Ｍｉｃｈａｅｌ　Ｍｏｒｒｉｓｏｎ．ＸａＭＬ　Ｕｎｌｅａｓｈｅｄ［Ｍ］．Ｓａｍｓ　Ｐｕｂｌｉｓｈｉｎｇ，２０００．　式．提取其中的数据信息存储到数据库中。ＤＯＭ对象提供了一　３．４．王嘉．董明楷．吏中植．关小敏。基于ＸａＭＬ的主体基因及其实现．　个标准的方法来操作存储在ＸＭＬ文档中的信息．它能使用户把　文档看成是一个有结构的信息树．而不是简单的文本流。例如，　・—＋・－—＋・－＋－—＋．　（上接第２２页）　郭亚军．综合评价理论与方法ｆＭ】．北京：科学出版社．２００２年８月．　通过在师生中发放多份问卷调查得到各指标对应的评价等　３．级．按照公式进行去模糊化得到对应指标的定量化数值。　４．Ｓ．Ｍ．Ｂａｓｓ　ａｎｄ　Ｈ．Ｋｗａｋｅｍａａｋ．Ｒａｔｉｎｇ　ａｎｄ　ｒａｎｋｉｎｇ　ｏｆ　ｍｕｌｔｉｐｌｅ　ａｓｐｅｃｔ　ａｌｔｅｒｎａｔｉｖｅｓ　ｕｓｉｎｇ　ｚｙ　ｓｅｔｓｏ】，Ａｕｔｏｍａｔｉｃｓ，１９７７，１３：４７—５８．　四、结束语　５．陶菊春。昊建民．综合加权评分法的综合权重确定新探ｍ．系统工程理　由于对节约型校园建设进行综合评价的研究还很少。往年　指标数据收集存在一定困难．因此本文仅从理论角度构建了指　６．李登峰。模糊多目标多人决策与对策ｆＭ】．国防工业出版社，２００３．　标体系并建立了综合评价模型．具有一定的理论研究价值。今后　收集到足够多的指标数据就可以对各高校的节约型校园建设进　ｉｎ　ｆｕｒｙ　ｅｎｖｉｒｏｎｍｅｎｔｏ】．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓｅｍｓ，１９９２，ｔ５２：２５１—２５７．　行实时的评价．为高校建设节约型校园提供决策参考依据。　Ｅｕｒｏｐｅａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｏｐｅ＝ｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ，２００２，１３７：１　１０—１２２．　论与实践，２００１。８：４３－４８．　７．Ｘｕ　Ｋｕｏｎｉｎｇ，Ｚｈａｎｇ　Ｘｉａｏｙａｎ．Ｅｘｔｅｎｓｉｏｎ　ｏｆ　ｔｈｅ　３Ｉｌ曲　ｃ　ｈｉｅｒａｒｃｈｙ　ｐｒｏｃｅｓｓ　８．Ｌｉｐｏｖｅｔｒ＆ｙ　Ｓ，Ｃｏｎｌｄｉｎ　Ｍ．Ｒｏｂｕｓｔ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｐｒｉｏｒｉｉｔｓｅ　ｉｎ　ｔｈｅ　ＡＨＰ　ｏ】．　９．Ｌｅｔｍｇ　Ｌ　Ｃ，Ｃ３ｏ　Ｄ．Ｏｎ　ｃｏｍｉｓｔｅｎｃｙ　ａｎｄ　ｒａｎｋｉｎｇ　ｏｆ　ａｌｔｅｒｎａｔｉｖｅｓ　ｉｎ　参考文献：　１．孙颖。雷江发．节约型学校财务评价指标体系初探ｏ】．江苏省教育财会　ＡＨＰＯ］．Ｅｕｒｏｐｅａｎ　Ｊｏｕｍ　ｏｆ　Ｏｐｅｒａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ。２０００。１２４：１０２０１１３．　简讯，２００７，２：２３－２６．　１０．Ｃｈｉｅｎ　Ｃ　Ｊ，Ｔｓａｉ　Ｈ　Ｈ．Ｕｓｎｇ　ｆｉｕ＝ｙ　ｎｕｍｂｅｒｓ　ｔｏ　ｅｖａｌｕａｔｅ　ｐｅｒｃｅｉｖｅｄ　ｓｅｒｖｉｃｅ　２．刘雨华．江苏省沿江开发综合评价研究．南京信息工程大学硕士学位　ｑｕａｌｉｔｙ珊．Ｆｕｚｚｙ　Ｓｅｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ，２０００，１１６：２８９—３００．　论文．２００６年５月．　１１．牟琼。多属性决策方法及其应用。广西大学硕士学位论文，２００４．