Análisis relacional gris
El análisis relacional gris es una rama de la teoría del sistema gris. La aplicación del método de análisis relacional gris para evaluar de manera integral asuntos y fenómenos afectados por múltiples factores del concepto general es un método ampliamente aceptado
(1) Proceso de modelado y mecanismo de análisis relacional gris
Fórmula de pasos para una evaluación integral utilizando análisis relacional gris:
1: Determine el sistema de índice de evaluación de acuerdo con el propósito de la evaluación y recopile los datos de evaluación
Suponga que n secuencias de datos forman la siguiente matriz
2: determinar la columna de datos de referencia
La columna de datos de referencia debe ser un estándar de comparación ideal. La columna de datos de referencia puede estar compuesta por el valor óptimo (o el peor valor) de cada índice, o pueden seleccionarse otros valores de referencia de acuerdo con el propósito de la evaluación
3: hacer que los datos del indicador sean adimensionales
La secuencia de datos adimensionales forma la siguiente matriz
Método adimensional y método de valor de uso común
4. Calcule la diferencia absoluta entre la secuencia de índice de cada objeto evaluado y el elemento correspondiente de la secuencia de referencia uno por uno
:
Código
灰色关联分析步骤
【1】确定比较对象(评价对象)(就是数据,并且需要进行规范化处理,就是标准化处理,见下面例题的表格数据)和参考数列(评价标准,一般该列数列都是1,就是最优的的情况)
【2】确定各个指标权重,可用层次分析确定
【3】计算灰色关联系数
【4】计算灰色加权关联度
【5】评价分析
x1=[1.14 1.49 1.69 2.12 2.43 4.32 5.92 6.07 7.85;3.30 3.47 3.61 3.80 4.00 4.19 4.42 4.61 4.80;6.00 6.00 6.00 7.50 7.50 7.50 9.00 9.00 9.00;1.20 1.20 1.80 1.80 1.80 2.40 2.70 3.60 4.00;4.87 5.89 6.76 7.97 8.84 10.05 11.31 12.25 11.64]%原始数据5行9列
x=x1;
for i=1:5
for j=1:9
x(i,j)=x(i,j)/x1(1,j)
end
end
x1=x
for i=1:5
for j=1:9
x(i,j)=abs(x(i,j)-x1(i,1))
end
end
max=x(1,1)
min=x(1,1)
for i=1:5
for j=1:9
if x(i,j)>=max
max=x(i,j)
end
end
end
for i=1:5
for j=1:9
if x(i,j)<=min
min=x(i,j)
end
end
end
k=0.5 %分辨系数取值
l=(min+k*max)./(x+k*max)%求关联系数矩阵
guanliandu=sum(l')/n
[rs,rind]=sort(guanliandu,'descend') %对关联度进行排序
Mira aquí tendrás una gran ganancia
Además del método de URL anterior, el análisis de correlación también puede ser así
x1 = [1.14 1.49 1.69 2.12 2.43 4.32 5.92 6.07 7.85;3.30 3.47 3.61 3.80 4.00 4.19 4.42 4.61 4.80;6.00 6.00 6.00 7.50 7.50 7.50 9.00 9.00 9.00;1.20 1.20 1.80 1.80 1.80 2.40 2.70 3.60 4.00;4.87 5.89 6.76 7.97 8.84 10.05 11.31 12.25 11.64];
%原始数据5行9列
x = x1;
%以第一行数据为参考数据
%按照公式一步步计算
for i=1:5
for j=1:9
x(i,j) = x(i,j)/x1(1,j);
end
end
x1 = x;
for i = 1:5
for j = 1:9
x(i,j) = abs(x(i,j)-x1(i,1));
end
end
max = x(1,1);
min = x(1,1);
for i = 1:5
for j = 1:9
if x(i,j) >= max
max = x(i,j);
end
end
end
for i = 1:5
for j = 1:9
if x(i,j) <= min
min = x(i,j);
end
end
end
k = 0.5; %分辨系数取值
l = (min+k*max)./(x+k*max); %求关联系数矩阵
guanliandu = sum(l')/9;
[rs,rind] = sort(guanliandu,'descend') %对关联度进行排序
% Valor del coeficiente de resolución
l = (min + k max) ./ (x + k max);% Encuentra la matriz del coeficiente de correlación
guanliandu = sum (l ') / 9;
[rs, rind] = sort (guanliandu,' descender ' )% Ordenar la relevancia