精华内容
下载资源
问答
  • 灰色关联分析法

    千次阅读 2018-12-18 21:18:24
    灰色关联分析法的步骤 设有n个评价对象,m个评价指标,评价对象指标数据矩阵X为 1、确定参考序列 参考数据列应该是一个理想的比较标准,可以以各指标的最优值(或最劣值)构成参考数据列,也可根据评价目的选择...

    灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。

    灰色关联分析法的步骤

    设有n个评价对象,m个评价指标,评价对象指标数据矩阵X为
    在这里插入图片描述
    1、确定参考序列
    参考数据列应该是一个理想的比较标准,可以以各指标的最优值(或最劣值)构成参考数据列,也可根据评价目的选择其它参考值。记作
    在这里插入图片描述
    由评价指标数据矩阵和参考值组成矩阵
    在这里插入图片描述
    2.对指标数据进行无量纲化
    对每个评价指标进行无量纲处理,即对X的每一列进行无量纲处理。得到无量纲数据矩阵
    在这里插入图片描述
    3、计算每个被评价对象指标序列与参考序列对应元素的差值绝对值、最大值、最小值
    在这里插入图片描述
    4、计算关联系数
    在这里插入图片描述
    其中 ρ为分辨系数,0<ρ<1。若ρ越小,关联系数间差异越大,区分能力越强。通常ρ取0.5。
    5、计算关联度
    对各评价对象分别计算其个指标与参考序列对应元素的关联系数的均值,以反映各评价对象与参考序列的关联关系,并称其为关联序,记为
    在这里插入图片描述
    6、对关联度排序
    关联度排序可以得到各评价对象的评价值排序

    参考链接
    http://www.cnblogs.com/aabbcc/p/9747715.html

    展开全文
  • 灰色关联分析法,这种方法是进行关联分析的,本设计中为各指标和成绩的关联度大小排序的结果。
  • 灰色关联分析法,灰色关联分析法适用于什么问题,matlab源码.zip
  • 最容易掌握灰色关联分析法的教程,具体的例子帮助理解灰色关联分析法及其计算方法
  • 参加数学建模时自己编写的一个灰色关联分析法的函数封装,里面都有注释说明。
  • 运用群决策理论对个体专家决策矩阵信息进行集结,得到元素为三角模糊数的群决策矩阵,并结合灰色关联分析法,给出了群决策灰色关联分析法的数学模型。结果表明:新方法在战场目标价值排序方面是有效的、可行的。
  • matlab之灰色关联分析法

    万次阅读 2019-01-27 23:42:26
    matlab之灰色关联分析法 https://blog.csdn.net/m0_37286282/article/details/79183333
    展开全文
  • 以某1.5Mt/a的煤矿为研究案例,应用改进灰色关联模型进行评价分析,结果表明:模型计算结果与评审专家意见一致,比传统灰色关联分析法更准确,表明所建立的改进灰色关联模型在煤矿总图方案的选择评价中具有一定的适用性。
  • 基于灰色关联分析法的电梯安全性评估
  • 基于宜昌市空气质量监测数据(2014-2017年),通过灰色关联分析法探讨了空气质量影响因素之间的敏感度。结果表明:在宜昌市空气质量的主要污染物(SO2、NO2、PM10、PM2.5、CO以及O3)中,SO2、NO2、PM10、PM2.5的...
  • 最容易掌握灰色关联分析法的教程,具体的例子帮助理解灰色关联分析法及其计算方法
  • 基于灰色关联分析法的葫芦岛市大气环境质量评价,初玲玲,刘志斌,本文叙述了灰色关联分析法的原理及其在大气环境质量评价中的应用。采用灰色关联分析法对葫芦岛各县(市)区大气环境质量进行评价
  • 基于模糊层次分析的灰色关联分析法及程序实现.pdf
  • 随着盖层研究的深入,其评价方法有了不少新转变,从物性封闭的测井评价方法、超压封闭的测井评价方法、烃浓度封闭的测井评价方法、岩石力学评价方法、微观角度分析法等,到现在BP神经网络法、灰色关联分析法、灰色规划...
  • 基于新灰色关联分析法的清洁生产方案优选,季晓艳,郑连臣,针对清洁生产方案筛选的现状,运用新灰色关联分析法对方案进行了优选。通过在啤酒厂的应用,证明了该方法是可行的。
  • 学习灰色关联分析法的基本知识,对初学者有一定的参考价值。与大家共享,但愿有用。
  • 【数据挖掘】关联规则之灰色关联分析法

    千次阅读 多人点赞 2019-01-24 17:52:39
    灰色关联分析法 利用灰色关联分析的九个步骤: 1.根据分析目的确定分析指标体系,收集分析数据。  设n个数据序列形成如下矩阵:   其中m为指标的个数, 2.确定参考数据列 参考数据列应该是一个理想的比较...

    灰色关联分析法


    利用灰色关联分析的九个步骤:

    1.根据分析目的确定分析指标体系,收集分析数据。

           设n个数据序列形成如下矩阵:

                         

    其中m为指标的个数,

    2.确定参考数据列

    参考数据列应该是一个理想的比较标准,可以以各指标的最优值(或最劣值)构成参考数据列,也可根据评价目的选择其它参照值.记作

     

    3.对指标数据进行无量纲化

    由于系统中各因素的物理意义不同,导致数据的量纲也不一定相同,不便于比较,或在比较时难以得到正确的结论。因此在进行灰色关联度分析时,一般都要进行无量纲化的数据处理。常用的无量纲化方法有均值化法(见(12-3)式)、初值化法(见(12-4)式)和 变换等.

     

    无量纲化后的数据序列形成如下矩阵:

    4.逐个计算每个被评价对象指标序列(比较序列)与参考序列对应元素的绝对差值

     即  (  , n为被评价对象的个数).

     

    5. 确定

    6.计算关联系数

    由(12-5)式,分别计算每个比较序列与参考序列对应元素的关联系数.

        

    其中 ρ为分辨系数,0<ρ<1。若ρ越小,关联系数间差异越大,区分能力越强。通常ρ取0.5

    当用各指标的最优值 (或最劣值),构成参考数据列计算关联系数时,也可用改进的更为简便的计算方法:

     

    改进后的方法不仅可以省略第三步,使计算简便,而且避免了无量纲化对指标作用的某些负面影响.

    7.计算关联序

    对各评价对象(比较序列)分别计算其个指标与参考序列对应元素的关联系数的均值,以反映各评价对象与参考序列的关联关系,并称其为关联序,记为:

     

    8.如果各指标在综合评价中所起的作用不同,可对关联系数求加权平均值即

    9.依据各观察对象的关联序,得出分析结果.


    应用举例:利用灰色关联分析对6位教师工作状况进行综合分析

    1.分析指标包括:专业素质、外语水平、教学工作量、科研成果、论文、著作与出勤.

    2.对原始数据经处理后得到以下数值,见下表

     

    3.确定参考数据列:

    4.计算 , 见下表

     

    5.求最值

    6.依据(12-5)式,ρ取0.5计算,得

     

    同理得出其它各值,见下表

    7.分别计算每个人各指标关联系数的均值(关联序): 

     

    8.如果不考虑各指标权重(认为各指标同等重要),六个被评价对象由好到劣依次为1号,5号,3号,6号,2号,4号.

     即


     参考代码:基于MATLAB 2016b编程

    clc,clear
    load x.txt %把原始数据存放在纯文本文件 x.txt 中,其中把数据的"替换替换成.
    for i=1:15
        x(i,:)=x(i,:)/x(i,1); %标准化数据
    end
    for i=16:17
        x(i,:)=x(i,1)./x(i,:); %标准化数据
    end
    
    data=x;
    n=size(data,2); %求矩阵的列数,即观测时刻的个数
    ck=data(1,:); %提出参考数列
    bj=data(2:end,:); %提出比较数列
    m2=size(bj,1); %求比较数列的个数
    for j=1:m2
        t(j,:)=bj(j,:)-ck;
    end
    mn=min(min(abs(t'))); %求最小差
    mx=max(max(abs(t'))); %求最大差
    rho=0.5; %分辨系数设置
    ksi=(mn+rho*mx)./(abs(t)+rho*mx); %求关联系数
    r=sum(ksi')/n %求关联度
    [rs,rind]=sort(r,'descend') %对关联度进行排序

    运行结果的r为各指标和成绩的关联度,rind即为各指标和成绩的关联度大小排序的结果。在使用本程序的时候,只需要把数据换成自己自己的数据,以及把循环次数改一下即可。

    参考资料:

    1.https://www.cnblogs.com/aabbcc/p/9747715.html

    2. https://blog.csdn.net/sk18192449347/article/details/77838224

    展开全文
  • 权重信息不完全的多属性决策的灰色关联分析法,卫贵武,,针对属性权重信息不完全且属性值确定的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的
  • 对方案有偏好的多属性决策的灰色关联分析法,卫贵武,,针对只有部分权重信息且对方案有偏好的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的
  • 文章目录灰色关联分析法灰色关联度分析灰色系统关联度灰色关联分析法基本思想例子一、创建数组二、数据处理1、标准化(无量纲化)2、根据公式需要值,计算对应差数列表,并计算矩阵中的最大值、最小值3、关联系数...

    灰色关联分析法

    灰色关联度分析

    灰色系统

    灰色系统之部分信息已知二部分信息位置的系统,灰色系统理论所要考察和研究的是对信息不完备的系统,通过已知的信息来研究和预测位置领域从而达到了解整个系统的目的

    关联度

    关联度是事物之间、因素之间关联性大小的亮度。如果实物或因素的变化态势基本一致,则可以任务它们之间的关联度较大,反之关联度较小。

    灰色关联分析法基本思想

    根据序列曲线几何形状的相似程度来判断其联系是否紧密,曲线越接近,相应序列之间的关联度就越大,反之就越小。

    例子

    根据老师给学生的评分表,判断总成绩与哪个变量关联度更高。

    学生A学生B学生C
    总成绩X01009560
    考试成绩X1908045
    出勤率X2100%90%80%

    一、创建数组

    import numpy as np
    
    #根据表格数据,生成numpy数组
    data=np.array([[100,95,60],[90,80,45],[1,0.9,0.8]])
    '''  区域注释,另外一组数据  https://wenku.baidu.com/view/e3f9b598bdd126fff705cc1755270722182e5961.html
    data=np.array([
            [13.60,14.01,14.54,15.64,15.69],
            [11.50,13.00,15.15,15.30,15.02],
            [13.76,16.36,16.90,16.56,17.30],
            [12.21,12.70,13.96,14.04,13.46],
            [2.48,2.49,2.56,2.64,2.59],
            [85,85,90,100,105],
            [55,65,75,80,80],
            [65,70,75,85,90],
            [12.80,15.30,16.24,16.40,17.05],
            [15.30,18.40,18.75,17.95,19.30],
            [12.71,14.50,14.66,15.88,15.70],
            [14.78,15.54,16.03,16.87,17.82],
            [7.64,7.56,7.76,7.54,7.70],
            [120,125,130,140,140],
            [80,85,90,90,95],
            [4.20,4.25,4.10,4.06,3.99],
            [13.10,13.42,12.85,12.72,15.56]])
    
    #将最后两列数据取倒数,因为时间减少代表了成绩增加
    data[15]=1/data[15][:]
    data[16]=1/data[16][:]
    '''
    
    print('原始数组:\n',data)
    print('行数:',data.shape[0])    #行数
    print('列数:',data.shape[1])    #列数
    
    原始数组:
     [[100.   95.   60. ]
     [ 90.   80.   45. ]
     [  1.    0.9   0.8]]
    行数: 3
    列数: 3
    

    二、数据处理

    1、标准化(无量纲化)

    我们很多数据,由于计算单位不同,不便于比较,或在比较时难以得到正确的结论,因此要进行数据标准化。

    以参照数列为基准点,将各数据标准化成介于0~1之间的数据

    本例中,以第一列为标准进行标准化,后面每列都除以第一列的数据

    #新建数组,用于存放标准化数据
    xk=np.zeros(data.shape)
    #数据归一化
    for i in range(0,data.shape[0]):
        for k in range(0,data.shape[1]):
            xk[i][k]=data[i][k]/data[i][0]
    print('归一化后数组为:\n',xk) 
    
    
    归一化后数组为:
     [[1.         0.95       0.6       ]
     [1.         0.88888889 0.5       ]
     [1.         0.9        0.8       ]]
    

    2、根据公式需要值,计算对应差数列表,并计算矩阵中的最大值、最小值

    计算第2~n行与第一行的差值,并计算得到的差值矩阵中的最大值和最小值。

    #计算差值数组
    dxk=np.zeros((data.shape[0]-1,data.shape[1]))
    #计算差值
    for i in range(0,dxk.shape[0]):
        for k in range(0,dxk.shape[1]):
            dxk[i][k]=abs(xk[i+1][k]-xk[0][k])
    min=dxk.min()
    max=dxk.max()
    print('\n计算差值后数组为:\n',dxk,'\n\n min=',min,'\n max=',max)
    
    计算差值后数组为:
     [[0.         0.06111111 0.1       ]
     [0.         0.05       0.2       ]] 
    
     min= 0.0 
     max= 0.20000000000000007
    

    3、关联系数计算: ξ i ( k ) \xi_i(k) ξi(k)

    通过下面公式,计算关联系数矩阵,其中 O i ( k ) O_i(k) Oi(k)为差值矩阵中的数据

    ξ i ( k ) = △ m i n + ζ △ m a x △ O i ( k ) + ζ △ m a x \xi_i(k)=\displaystyle \frac{\bigtriangleup min+\zeta \bigtriangleup max}{\bigtriangleup O_i(k)+\zeta \bigtriangleup max} ξi(k)=Oi(k)+ζmaxmin+ζmax

    其中 ζ \zeta ζ为分辨系数, 0 < ζ < 1 0<\zeta<1 0<ζ<1

    #关联系数计算
    xi=np.zeros((dxk.shape))
    rho=0.5 #
    #计算差值
    for i in range(0,dxk.shape[0]):
        for k in range(0,dxk.shape[1]):
            xi[i][k]=(min+rho*max)/(dxk[i][k]+rho*max)
    print('\n关联系数矩阵为:\n',xi)
    
    关联系数矩阵为:
     [[1.         0.62068966 0.5       ]
     [1.         0.66666667 0.33333333]]
    

    4、求关联度

    对关联关系矩阵,求关联度

    r i = 1 n ∑ k = 1 n ξ i ( k ) r_i=\frac{1}{n} \displaystyle \sum^{n}_{k=1}{\xi_i(k)} ri=n1k=1nξi(k)

    可以通过numpy的行求平均函数来实现

    xi.mean(axis=1) #行求平均

    xi.mean(axis=0) #列求平均

    r=xi.mean(axis=1)    #行求平均
    print(r)
    
    
    [0.70689655 0.66666667]
    

    5、分析结果

    从结果可以看出
    r1=0.707
    r2=0.667
    所以,老师给的总成绩主要与考试成绩关联度较高。

    展开全文
  • 求解序区间偏好信息群决策问题的灰色关联分析法,卫贵武,,为了求解具有序区间偏好信息的群决策问题,提出了一种灰色关联分析的决策方法。该方法依据传统的灰色关联分析方法的基本思路,给
  • 灰色关联分析法在宫山咀水库水质评价中的应用,初玲玲,刘志斌,本文叙述了灰色关联分析法的原理及其在水环境质量评价中的应用,它是通过断面水质的多个水质浓度因子与水质标准的距离分析,说明
  • 基于直觉模糊集多属性决策的灰色关联分析法,卫贵武,,基于直觉模糊集理论, 提出了一种新的灰色关联分析方法来研究模糊多属性决策问题。首先, 根据直觉模糊集的几何意义, 引入了两个直觉
  • 基于灰色关联分析法的控制臂多工况拓扑优化设计.pdf
  • 基于灰色关联分析法的COC芯片翘曲变形注塑工艺优化.pdf
  • 基于灰色关联分析法的跨境电商与物流协同水平测度研究.pdf

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,359
精华内容 1,743
关键字:

灰色关联分析法