分类完毕之后。

    我们建立一个直角坐标系，取第一象限。

    轴定义为所有已有及可能的音乐风格，y轴定义为歌手演唱的作品强度。

    很显然，y轴是有限的，在1－10之间，而轴理论上是无限的。

    现在，

    1、我们将一个歌手的所有被评价演唱分数的作品以最高强度作品标注在坐标上，作为对称轴。

    、按强度递降的顺序将不同风格的作品内部的最高强度作品分列在对称轴左右，一次次添加，直到完毕。

    、将这些标注出来的作品点以平滑曲线全部连起来。

    假设一个歌手最擅长的风格的最高强度很高，在这个风格内他的唱功是非常稳定的；他擅长的音乐风格很广，但和最高强度存在差距；并且，他唱过所有风格的歌（即每一个细化的音乐风格都有评价）。

    那么，在步操作完毕之后，他的作品在坐标系上形成一条接近正态分布的曲线，这条曲线和轴围成的面积，可以定义为这个歌手的唱功水平。

    在实际操作中，一个歌手的作品标注出来的曲线肯定不可能如理想的那样似正态分布。而且，求正态分布曲线的积分，这是大学数学的范畴了，对于普通人来太困难了。

    所以，从可操作性和实际性出发，我们设定一些参数和假设。

    1，每一个细化的音乐风格，定义一个宽度1。

    例如，我们定义重金属摇滚为一个音乐风格，它的宽度是1；而度娘百科上摇滚的细化类别有158个，这里我偷懒就不考证数据的真伪了。那么，摇滚这个大类的宽度就是158。同理，其他大类的音乐风格，也可以细化为多种不同的类别，而每一个类别的宽度，同样定义为1。

    ，每一个细化风格里，歌手只取强度最高的a首作品，按强度由高到低依次记为ai，1≤i（a是参数，可以根据不同的判断目的和侧重而改变）

    ，每一个细化风格里，每一个ai对应一个权重为bj，这里i为自然数，1《j《a，1=b1〉b〉b〉……〉ba。（bj是参数，可以根据不同的判断目的和侧重而改变）

    4，每一个强度分数定义一个权重k，其中，1≤k≤10，0〈k〈∞，高分权重必然大于低分权重。（k是参数，可以根据不同的判断目的和侧重而改变）例如，10分的权重为10，95分的权重为95，9分的权重为9……

    5，定义最高强度作品所在的风格类别为d1，这个风格类别之外的所有作品中，最高强度作品所在的风格类别为d，以此类推，直到定义完一个歌手演唱过的所有风格类别。也许只有d1，也许会列到d10，甚至d0，甚至更多。1=d1〉d〉d〉d4……〉0，在公式中记为dl（dl是参数，可以根据不同的判断目的和侧重而改变）

    按以上参数，可以建立一个计算公式。（各参数的选择范围参考上面的定义）

    一个歌手的唱功水平=∑（∑ai*bj*k）*dl

    从数学意义上来，

    参数ai和样本的翔实性有关，ai越多，考虑的作品数量越多，自然意味着最终得出的数据越有可信度。

    参数bj和歌手水平的稳定性有关，bi的递减效果越快接近0，意味着越忽视稳定性。

    参数k和高强度作品的重视程度有关，k之间的差距越大，意味着对高水平作品越重视。

    （极端条件下，可以出现龚琳娜靠一首《河淌水》秒杀多数歌手的结论）

    参数dl和风格多样性有关，dl的递减效果越快接近0，意味着越忽视风格多样性。

    现在参考现实中的歌手为例子。

    如前面提到的王