数学建模——灰色关联度分析.pptVIP

确定参考数列 处理原始数据 计算关联系数 关联度的计算与比较 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,1); ck=data(1,:);m1=size(ck,1); bj=data(2:n,:);m2=size(bj,1); for i=1:m1 for j=1:m2 t(j,:)=bj(j,:)-ck(i,:); end jc1=min(min(abs(t))); jc2=max(max(abs(t))); rho=0.5; ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2); rt=sum(ksi)/size(ksi,2); r(i,:)=rt; end r n=size(data,1); for i=1:n data(i,:)=data(i,:)/data(i,1); %标准化数据 end ck=data(6:n,:);m1=size(ck,1); bj=data(1:5,:);m2=size(bj,1); for i=1:m1 for j=1:m2 t(j,:)=bj(j,:)-ck(i,:); end jc1=min(min(abs(t)));jc2=max(max(abs(t))); rho=0.5; ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2); rt=sum(ksi)/size(ksi,2); r(i,:)=rt; end r x=[9 9 9 9 8 9 9;8 9 8 7 5 2 9;7 8 7 5 7 3 8;9 7 9 6 6 4 7;6 8 8 8 4 3 6;8 6 6 9 8 3 8;8 9 5 7 6 4 8]; n=size(x,2); for j=1:n x(:,j)=x(:,j)/x(1,j); %标准化数据 end data=x; n=size(data,1); ck=data(1,:);m1=size(ck,1); bj=data(2:n,:);m2=size(bj,1); for i=1:m1 for j=1:m2 t(j,:)=bj(j,:)-ck(i,:); end jc1=min(min(abs(t))); jc2=max(max(abs(t))); rho=0.5; ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2); rt=sum(ksi)/size(ksi,2); r(i,:)=rt; end r 例2：公路建设招标中取最接近标准者得标， 请问何者得标？设分辨系数：ζ=0.5 Thank you~ 综合评价 基本思路是： 从样本中确定一个理想化的最优样本，以此为参考数列，通过计算各样本序列与该参考序列的关联度，对被评价对象做出综合比较和排序。 设有n 个被评价对象，每个被评价对象有p 个评价指标。这样，第i 个被评价对象可描述为 步骤： 确定参考序列 根据各评价指标的经济含义，在n 个被评价对象中选出各项指标的最优值组成参考序列 实际上，参考序列 构成了一个相对理想化的最优样本，是综合评价的标准。如果第j 项指标是数值越大越好的正向指标，则 就是n 个被评价对象第j 项指标实际值的最大值；如果是逆向指标，则是最小值；如果是适度标，便是该指标的适度值。 无量纲化 此时，各指标的最优值均为1。为叙述方便，把无量纲化后的数据仍记为xij，则最优参考序列为x0＝{1，1，…，1}。 求两极最大差和最小差 计算各被评价对象序列与最优参考序列间的绝对差列： 在此基础上，依公式 就可求得两级最大差Δ(max)和两级最小差Δ(min) 计算关联系数 计算第i 个被评价对象与最优参考序列间的关联系数。 计算关联度 对各评价对象分别计算其p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，称其为关联度，记为 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 式中 为各指标权重。 依据各观察对象的