灰色关联度matlab源程序

灰色关联度灰色关联度 matlab 源程序源程序 最近几天一直在写算法 其实网上可以下到这些算法的源程序的 但是为了搞懂 搞清楚 还是自己一个 一个的看了 写了 作为自身的积累 而且自己的的矩阵计算类库也迅速得到补充 以后关于算法方面 基本的矩阵运算不用再重复写了 挺好的 是种积累 下面把灰关联的 matlab 程序与大家分享 灰色关联度分析法是将研究对象及影响因素的因子值视为一条线上的点 与待识别对象及影响因素的因子 值所绘制的曲线进行比较 比较它们之间的贴近度 并分别量化 计算出研究对象与待识别对象各影响因素之 间的贴近程度的关联度 通过比较各关联度的大小来判断待识别对象对研究对象的影响程度 关联度计算的预处理 一般初值化或者均值化 根据我的实际需要 本程序中使用的是比较序列与参考序 列组成的矩阵除以参考序列的列均值等到的 当然也可以是其他方法 注意 由于需要 均值化方法采用各组值除以样本的各列平均值 clear clc yangben 47 924375 25 168125 827 4105438 330 08875 1045 164375 261 374375 16 3372 6 62 940 2824 709 2752 962 1284 84 874 55 69666667 30 80333333 885 21 275 8066667 1052 42 435 81 样本数据 fangzhen 36 27 14 59 836 15 420 41 1011 83 189 54 64 73 35 63 755 45 331 32 978 5 257 87 42 44 23 07 846 348 05 1025 4 296 69 59 34 39 7 794 31 334 63 1016 4 317 27 52 91 17 14 821 79 306 92 1141 94 122 04 4 21 4 86 1815 52 2584 68 963 61 0 00 6 01 2 43 1791 61 2338 17 1278 08 30 87 3 01 1 58 1220 54 956 14 1244 75 3 91 25 65 7 42 790 17 328 88 1026 01 92 82 115 80 27 926 5 350 93 1079 49 544 38 12 63 8 75 1055 50 1379 00 875 10 1 65 待判数据 rows cols size fangzhen p 0 5 分辨系数 m n size yangben R for irow 1 rows yy fangzhen irow data yy yangben data gyh1 mean yangben for i 1 m 1 for j 1 n data gyh i j data i j data gyh1 j end end for i 2 m 1 for j 1 n Dij i 1 j abs data gyh 1 j data gyh i j end end Dijmax max max Dij Dijmin min min Dij for i 1 m for j 1 n Lij i j Dijmin p Dijmax Dij i j p Dijmax end end LijRowSum sum Lij for i 1 m Rij i LijRowSum i n end R R Rij end R matlabmatlab 求灰色关联度矩阵源代码求灰色关联度矩阵源代码 2010 12 11 22 57 function greyrelationaldegree X c GRAYRELATIONALDEGREE this function is used for calculating the gery relation between squence rememeber that the first column of the input matrix is the desicion attribution squences what we want to calculate is the grey ralational degree between it and other attributions X is the squence matrix c is the parameter used in the function in most of the time the value of c is 0 5 firstrow X 1 reci firstrow 1 firstrow reci convert diag reci firstrow initialMIRROR X reci convert find the initial value mirror of the sequce matrix A initialMIRROR nrow ncolumn size A for i 2 nrow C A i A 1 D abs C eval B num2str i D amax max eval B num2str i amin min eval B num2str i maxarray i 1 amax minarray i 1 amin end find the difference squence and the max value and min value of each squence maxmax max maxarray minmin min minarray for i 2 nrow for j 1 ncolumn eval greyrelationdegree num2str i j minmin c maxmax B num2str i j c maxmax end end calculate the greyralational degree of each data for i 2 nrow eval greyrelatioanaldegree value num2str i mean greyrelationdegree num2str i end 基于基于 matlabmatlab 灰色关联度计算的实现灰色关联度计算的实现 2006 年 07 月 28 日 星期五 上午 11 06 function r incident degree x0 x1 compute the incident degree for grey model Designed by NIXIUHUI Dalian Fisher University 17 August 2004 Last modified by NXH at 21 August 2004 数据初值化处理 x0 initial x0 x0 1 temp size x1 b repmat x1 1 1 temp 2 x1 initial x1 b 分辨系数选择 K 0 1 disp The grey interconnect degree is x0 ext repmat x0 initial temp 1 1 contrast mat abs x0 ext x1 initial delta min min min contrast mat delta min 在数据初值化后实际为零 delta max max max contrast mat a delta min K delta max incidence coefficient a contrast mat K delta max 得到关联系数 r sum incidence coefficient temp 2 得到邓氏面积关联度 我们根据图 1 的步骤和图 2 的数据进行编程实现 程序如下 清除内存空间等 clear close all clc 载入源数据 其实这里可以载入 execl 表格的 n 15 参与评价的人数 m 4 参与评价的指标个数 X 0 zeros n m 数据矩阵 X 2 zeros n m 偏差结果的求取矩阵 X 3 zeros n m 相关系数计算矩阵 a1 0 13 18 17 18 17 17 18 17 13 17 18 13 18 13 18 a2 0 18 18 17 17 18 13 17 13 18 13 17 13 13 17 17 a3 0 48 67 43 33 43 56 41 89 39 47 43 44 37 97 41 14 39 67 39 83 34 11 40 58 34 19 30 75 21 22 a4 0 10 10 7 3 5 4 5 4 0 7 4 2 0 5 9 3 0 85 2 9 5 45 4 2 2 7 6 指标数 X 1 a1 0 a2 0 a3 0 a4 0 最后使用到的数据矩阵 1 寻找参考列 x0 max a1 0 max a2 0 max a3 0 max a4 0 取每列的最大值 指标的 最大值 2 计算偏差结果 i 1 while i m 1 为什么这个地方会出问题呢 for j 1 1 n X 2 j i abs X 1 j i x0 i end i i 1 end 3 确定偏差的最值 error min min min X 2 error max max max X 2 4 计算相关系数 i 1 p 0 5 while i m 1 for j 1 1 n X 3 j i error min p error max X 2 j i p error max end i i 1 end X 3 可以在此观察关联矩阵 5 计算各个学生的关连序 a zeros 1 n for j 1 1 n for i 1 1 m a j a j X 3 j i 其实可以直接用 sum end a j a j m 可以改进 1 2 3 下一页 end a 在此可以观测各个学生的序 改进 如果各个指标的所占权重不一样的话 可以添加相应的权系数 6 排序 b a c s sort b for i 1 1 n d i i end d d result d b c s 7 将结果显示出来 figure 1 plot a figure 2 bar a 柱状图 最后所得到的结果如图 3 到图 5 所示 图 3 程序运行结果 图 4 曲线图 图 5 柱状图 根据以上三图我们就可以判断出每个学生序列与参考序列 最大值 之间 的关系 与最大值的关系越密切 那么其关联度越大 根据以上的启示 我用 matlab 灰度关联分析的想法是 1 参考序列我可以选择已知属于某一类神经元的统计数据 我选择平均值 2 加入一个未知类的数据 与已有类中的数据一起计算他们与平均值的关联 度 3 计算出来的关联度我们可以有多种处理思路 如果未知类的关联度不是排 在最末 可以认为它属于这一类 或者未知类的关联度大于计算出来的关联度平均 值 我们可以认为它属于这一类 使用关联度进行分类 计算出来的关联度如何使用还是个问题 这个东西 是我琢磨出来的 我还没有见到过相关的文献 估计应该可以用 期望以后的专家 学者钻研了 参考文献 1 郝海燕 王斌 大学生综合素质测评的灰色关联分析法 J 承德石油高等专科学校学报 2009 11 2 57 59 上一页 1 2 3 请教一下用 MATLAB 实现灰色关联分析的程序 初始矩阵为 x 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 我写的程序如下 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 x1 x 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 但是运算错误 请教一下高手 问题补充 问题补充 楼下回答的不对 那样虽不会运行错误 但得不到正确的答案 怎么没人再给我回答啊 555555555 其他回答其他回答 共 1 条 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 x1 x 有错 应该为 x x1 for i 1 5 灰色关联灰色关联 matlab 程序程序 浏览次数 170 次悬赏分 5 提问时间 2011 5 25 19 40 提问者 zjon111 clear clc yangben 12409 15296 18743 22399 26451 样本数据 fangzhen 216314 265810 314045 340903 397983 1 5 4 8 5 9 0 7 3 3 1184 1204 1113 1102 1168 11759 13786 15781 17175 19109 38760 51322 61330 68518 83080 109998 137324 172828 224599 278140 79145 93572 114830 132678 156998 161587 172534 217885 260772 303302 待判数据 rows cols size fangzhen p 0 5 分辨系数 m n size yangben R for irow 1 rows yy fangzhen irow data yy yangben data gyh1 mean yangben for i 1 m 1 for j 1 n data gyh i j data i j data gyh1 j end end for i 2 m 1 for j 1 n Dij i 1 j abs data gyh 1 j data gyh i j end end Dijmax max max Dij Dijmin min min Dij for i 1 m for j 1 n Lij i j Dijmin p Dijmax Dij i j p Dijmax end end LijRowSum sum Lij for i 1 m Rij i LijRowSum i n end R R Rij end R 哪里出错了 求高手解答 顺便求结果分析 推荐答案 data gyh1 mean yangben 得到的是一个数 而 data gyh i j data i j data gyh1 j 中 data gyh1 j 你把 data gyh1 作为一个 数组使用的 所以会出错 追问追问 怎么改合适呢 回答回答 其实我不懂灰色关联是什么 所以可能在这个上边帮不了什么忙 你看看灰色 关联的原理吧 data gyh1 mean yangben 这一句得到的 data gyh1 就是一个定值 而 data gyh i j data i j data gyh1 j 中需要用到的是什么值呢 你从这方面下 手考虑吧 刚搜了一下 看到了跟你这个类似的源程序 他的样本数据是 3 6 的 所以 data gyh1 mean yangben 得到是 yangben 的每一列的均值 而你的 yangben 是一行的 所以应该直接让 data gyh1 yangben 个人意见 仅供参 考 参考资料 基于基于 matlab 的灰度关联分析法的灰度关联分析法 2010 09 23 10 12 42 标签 matlab 灰度关联 分类 分类 matlab 相关 做了四天的研究生数学建模 感觉做的很一般 应该是没有很好的深入理 解题意 而且对于神经元的背景信息不是很清楚 导致了后面的东西没有时间 处理 最后一天的熬夜 终于把论文给赶了出来 第二天从早上十点一觉睡到 晚上六点半 关于建模神经元这题主要是分类和聚类问题 前者是类别已知 然后判断 测试样本是否为某一类 后者是无监督学习 即么有类别信息和其他先验知识 一般要求满足最大组内相似性和最小组间相似性 我想到了上学期给同学做的 一个使用灰度关联分析法进行大学生综合素质评价的东西 下面主要讲一下那 个东西是怎么实现的 多指标综合测评主要有三大类方法 常规数学方法 模糊数学方法 多元 统计分析方法 灰色关联分析是灰色系统理论中的一个分支 其对数据的要求 不是很严格 不要求数据分布具有特殊规律 下面我按照参考文献 1 中的内容 把综合素质评价的程序给实现 下面是灰度关联法进行综合评价的步骤 图 1 灰度关联分析法进行综合测评的步骤 图 2 所使用的综合评价表 我们根据图 1 的步骤和图 2 的数据进行编程实现 程序如下 清除内存空间等 clear close all clc 载入源数据 其实这里可以载入 execl 表格的 n 15 参与评价的人数 m 4 参与评价的指标个数 X 0 zeros n m 数据矩阵 X 2 zeros n m 偏差结果的求取矩阵 X 3 zeros n m 相关系数计算矩阵 a1 0 13 18 17 18 17 17 18 17 13 17 18 13 18 13 18 a2 0 18 18 17 17 18 13 17 13 18 13 17 13 13 17 17 a3 0 48 67 43 33 43 56 41 89 39 47 43 44 37 97 41 14 39 67 39 83 34 11 40 58 34 19 30 75 21 22 a4 0 10 10 7 3 5 4 5 4 0 7 4 2 0 5 9 3 0 85 2 9 5 45 4 2 2 7 6 指标数 X 1 a1 0 a2 0 a3 0 a4 0 最后使用到的数据矩阵 1 寻找参考列 x0 max a1 0 max a2 0 max a3 0 max a4 0 取每列的最大值 指标 的最大值 2 计算偏差结果 i 1 while i m 1 为什么这个地方会出问 题呢 for j 1 1 n X 2 j i abs X 1 j i x0 i end i i 1 end 3 确定偏差的最值 error min min