做网站得先注册域名吗,大连 网站开发,秦皇岛旅游攻略,有没有网页设计专业#x1f506; 文章首发于我的个人博客#xff1a;欢迎大佬们来逛逛
灰色关联分析法
算法流程
建立一个m行 n列的矩阵 X X X #xff0c;其中 m 表示评价对象#xff0c; n表示评价指标首先进行矩阵的归一化#xff0c;得到归一化后的矩阵 d a t a data data获取参考向… 文章首发于我的个人博客欢迎大佬们来逛逛
灰色关联分析法
算法流程
建立一个m行 n列的矩阵 X X X 其中 m 表示评价对象 n表示评价指标首先进行矩阵的归一化得到归一化后的矩阵 d a t a data data获取参考向量即获取归一化后的矩阵的最大参考指标行假设为 Y Y Y即得到所有n个指标的最大值。 如果n表示评价指标m表示评价对象矩阵为 n ∗ m n*m n∗m 则我们应该得到一个最大的参考指标列。 生成绝对值矩阵 A A A A ∣ X 1 − Y 1 ∣ A ∣ x 4 − x 1 , x 5 − x 1 , x 6 − x 1 , x 7 − x 1 ∣ \begin{aligned}A|X_1-Y_1|\\A|x_4-x_1,x_5-x_1,x_6-x_1,x_7-x_1|\end{aligned} AA∣X1−Y1∣∣x4−x1,x5−x1,x6−x1,x7−x1∣
计算绝对值矩阵的最大值 d m a x d_{max} dmax和最小值 d m i n d_{min} dmin计算灰色关联矩阵假设为 B B B 其中 ρ \rho ρ 为一个分辨系数设置为 0.5 为最佳。 B i j d m i n ρ d m a x A i j ρ d m a x B_{ij}\frac{d_{min}\rho d_{max}}{A_{ij}\rho d_{max}} BijAijρdmaxdminρdmax
分别计算最大与最小灰色关联度 ξ \xi ξ 因此得到 ξ m i n \xi_{min} ξmin 与 ξ m a x \xi_{max} ξmax ξ j ∑ i 1 m B i j m \xi_j\frac{\sum_{i1}^mB_{ij}}m ξjm∑i1mBij
计算评价总分每个对象的 S c o r e j Score_j Scorej 如果与最大灰色关联度 ξ m a x \xi_{max} ξmax 越大或者与最小灰色关联度 ξ m i n \xi_{min} ξmin 越大则评价得分越高 S c o r e j 1 1 ( ξ j ( m i n ) / ξ j ( m a x ) ) 2 Score_j\frac{1}{1(\xi_j^{(min)}/\xi_j^{(max)})^2} Scorej1(ξj(min)/ξj(max))21
代码实现
function [Score] mfunc_GreyCorrelationAnalysis(data)% data表示一个 m * n 列的原始数据矩阵% 标准化mapminmax是对行操作的因此转置一下如果使用zscore(data)标准化则无须转置但是无法标准化到01data1mapminmax(data,0,1);%标准化到0.002-1区间% data1data1; % mapminmax在再转置回来%V_maxmax(data1);%最大参考指标行指标最大V_minmin(data1);%最小参考指标行指标最小% 与最大值的灰色关联度data2abs(data1-V_max);%得到绝对值矩阵的全局最大值和最小值d_maxmax(max(data2));d_minmin(min(data2));% 计算灰色关联矩阵a0.5; %分辨系数默认为0.5data3(d_mina*d_max)./(data2a*d_max);% 计算灰色关联度xi_maxmean(data3); %计算每个评价对象的灰色关联度求mean平均值% 与最小值的灰色关联度data2abs(data1-V_min);%得到绝对值矩阵的全局最大值和最小值d_maxmax(max(data2));d_minmin(min(data2));data3(d_mina*d_max)./(data2a*d_max);xi_minmean(data3);% 综合评分%与最大相关系数越大最小相关系数越小得分大Score1./(1(xi_min./xi_max)).^2;for i1:length(Score)fprintf(第%d个投标者评分为%4.2f\n,i,Score(i)); end
end
