当前位置：文档库 › 灰关联空间与灰关联度计算的改进

灰关联空间与灰关联度计算的改进

简单易懂的灰色关联度计算

灰色关联有什么用灰色关联度，指的是两个系统或两个因素之间关联性大小的量度。目的，是在于寻求系统中各因素之间的主要关系，找出影响目标值的重要因素，从而掌握事物的主要特征，促进和引导系统迅速有效地发展。——这是比较“官方”的解释。我再来一个“野路子”的解释：用两种试验方法，得出两组数据A和B；用理论方法，得到理论解答C。那么，现在来比较试验方法A好还是B好？自然是看其结果，哪一个与C最吻合，哪个就最好呗，灰关联就是用来解决“谁和谁的关联程度更高”这样的问题的。灰色关联的重要步骤步骤不多，核心的，首先是数据的归一化处理，这是因为有时一个试验结果矩阵中的每个元素会有不同的量纲；接下来是计算灰色关联矩阵，这个过程涉及到的公式很吓人，我第一眼看的时候竟然没搞明白是什么意思，囧；最后是计算关联度，这也就是得到了最终结果。下面来看看那个复杂的公式：(Pi为关联度矩阵中的元素) 计算方法关于关联矩阵中各个元素的计算，我起初被严重误导，认为用Excel是无法完成的，结果还绕了一段弯路，很是丢人~当然，有高手通过Matlab计算的经验，而且还给出了实例，有兴趣的可以参考“仿真百科”里的内容。但我最终还是根据1992年出版的一本老书《灰色理论与方法——提要·题解·程序·应用》中的一个简单实例，用最简单的方法搞定了计算问题。鉴于我不知道如何把Excel 公式按照步骤，类似APDL那样摆出来，那就把那个例子与大家分享，说说计算原理步骤吧。首先看下面四数列 A=[2,3,4,3.7] B=[60,73,84,58] C=[1204,801,1228,1270]

D=[303,298,247,251] 以A为目标，检验B、C、D与A的关联度。步骤1.归一化，将数列中的每个元素，除以相同的一个数值，比如A的归一化过程为[2/2, 3/2 ,4/2, 3.7/2]或者更常用的均值化处理，都可以搞定。只需要这几个数列用同一种方法归一即可了。步骤2.求差序列.经过归一化的A、B、C、D，用A分别减去B/C/D；即 E=A-B; F=A-C; G=A-D 步骤3.求两级最大和最小差值。这是一个容易让人糊涂的地方，但实际操作很简单：设E中最大值为Emax，最小值为Emin，其余类推；这样一共就有六个数，分别是Emax；Emin；Fmax；Fmin；Gmax和Gmin。从这六个数中，再选出一个最大值和一个最小值，假设为M和N——而这就是上述公式当中双重最值的部分啦。步骤4.带入公式，得到三组关联系数(单行)矩阵。步骤5.计算关联度，实际上就是步骤4中，每组矩阵各个元素求和除以元素个数(求均值)。步骤6.通过比较关联度数值，最大的那个，其对应的数列与目标数列的关联度最高。 Over.

浅议灰色关联度分析方法及其应用

科技信息 SCIENCE&TECHNOLOGY INFORMATION 2010年第17期 1关联度的概念关联度是事物之间、因素之间关联性大小的量度。它定量地描述了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的相对性。如果事物或因素变化的态势基本一致，则可以认为它们之间的关联度较大，反之，关联度较小。对事物或因素之间的这种关联关系，虽然用回归、相关等统计分析方法也可以做出一定程度的回答，但往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多因素非典型分布特征的现象，回归相关分析的难度常常很大。相对来说，灰色关联度分析所需数据较少，对数据的要求较低，原理简单，易于理解和掌握，对上述不足有所克服和弥补。 2关联度的计算灰色关联度分析的核心是计算关联度。一般说来，关联度的计算首先要对原始数据进行处理，然后计算关联系数，由此就可计算出关联度。 2.1原始数据的处理由于各因素各有不同的计量单位，因而原始数据存在量纲和数量级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出正确结论。因此，在计算关联度之前，通常要对原始数据进行无量纲化处理。其方法包括初值化、均值化等。 2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据，得到一个各个数据相对于第一个数据的倍数数列，即初值化数列。一般地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样的数列多数呈稳定增长趋势，通过初值化处理，可使增长趋势更加明显。比如，社会经济统计中常见的定基发展指数就属于初值化数列。 2.1.2均值化。先分别求出各个原始数列的平均数，再用数列的所有数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍数数列，即均值化数列。一般说来，均值化方法比较适合于没有明显升降趋势现象的数据处理。 2.2计算关联系数设经过数据处理后的参考数列为： {x0(t)}＝{x01，x02，…，x0n} 与参考数列作关联程度比较的p个数列(常称为比较数列)为： {x1(t)，x2(t)，…，x p(t)}＝ x11x12…x1n x21x22…x2n ………… x p1x p2…x pn 上式中，n为数列的数据长度，即数据的个数。从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近，则两者间的关联度较大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。将第k个比较数列(k＝1，2，…，p)各期的数值与参考数列对应期的差值的绝对值记为： Δok(t)=x0(t)-x k(t)t＝1，2，…，n 对于第k个比较数列，分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列，又记p个Δok(min)中的最小者为Δ(min)，p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是，第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算： ζok(t)=Δ(min)+ρΔ(max) ok 式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0＜ρ＜1。可见，关联系数反映了两个数列在某一时期的紧密程度。例如，在使Δok(t)＝Δ(min)的时期，ζok(t)＝1，关联系数最大；而在使Δok(t)＝Δ(max)的时期，关联系数最小。由此可知，关联系数变化范围为0＜ζok(t)≤1。显然，当参考数列的长度为n时，由p个比较数列共可计算出n×p个关联系数。 2.3求关联度由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的，关联信息分散，不便于从整体上进行比较。因此，有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为： r ok=1 n n i=1 Σζok(t) 式中，r ok为第k个比较数列与参考数列的关联度。不难看出，关联度与比较数列、参考数列及其长度有关。而且，原始数据的无量纲化方法和分辩系数的选取不同，关联度也会有变化。 2.4排关联度由上述分析可见，关联度只是因素间关联性比较的量度，只能衡量因素间密切程度的相对大小，其数值的绝对大小常常意义不大，关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。当比较数列有p个时，相应的关联度就有p个。按其数值的大小顺序排列，便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。灰色关联度分析方法的运用之一，就是因素分析。在实际工作中，影响一个经济变量的因素很多。但由于客观事物很复杂，人们对事物的认识有信息不完全性和不确定性，各个因素对经济总量的影响作用不是一下子就能够看清楚的，需要进行深入的研究，这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的，而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。例1：利用关联度分析方法研究某公路施工企业工资序列（表1）。表1某公路施工企业工资序列表单位：千元根据表1中数据，以工资总额为参考数列x0(t)，以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列，计算三种工资对于工资总额的关联度。第一步，对各数列作均值化处理。工资总额和三种工资的均值分别为：浅议灰色关联度分析方法及其应用孙芳芳 (濮阳市公路管理局河南濮阳457000) 【摘要】灰色关联度是灰色数学中的一种方法，用来研究事物相互关联、相互作用的复杂因素的影响作用，确定影响事物的本质因素，使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤，为定量描述事物或因素之间相互变化的情况提供了理论依据。【关键词】灰色关联度；分析方法；综合评价；应用年份工资总额计时工资档案工资承包工资 200313974.23831.06587.23556.0 200415997.64228.07278.04491.6 200517681.35017.07717.44946.9 200620188.35288.69102.25797.5 200724020.35744.011575.26701.0 x i軃18372.34821.78450.05098.6○公路与管理○ 880

对灰色关联度计算方法的改进(精)

对灰色关联度计算方法的改进 ■曹明霞党耀国张蓉陆建峰计算方法记折线００一、引言在系统分析中，为了研究系统的结构和功能，就要建立适当的数学模型去描述系统。而这样做时，首要的工作就是要分析各种因素间的关系，找出系统的主要特征及主要关系，为分析研究提供必要的基础。灰色系统理论提出了灰色关联分析方法，自提出以来，众多学者就自己对灰色关联度的实质的理解而提出了不同的量化模型。就目前的情况来看，主要有以下的几种计算模型：邓氏关联度、Ｔ型关联度、斜率关联度、Ｂ型关联度、广义灰色关联度、灰色Ｃ型关联度、欧几里德关联度等。灰色关联分析方法是灰色系统理论中一个重要的组成部分，其基本思想是根据数据序列曲线的相似程度来判别因素间的关联程度，即曲线形状越相似，其关联度越大，否则越小。所以关联度的合理计算显得非常重要，然而目前有关关联度的各种计算方法中存在如下的欠缺。（１）不具有规范性。这里的规范性是指：０＜γ≤１且γｉ＝１当且仅当Ｘｉ（ｋ）＝Ｘ０（ｋ）轻的程度。（６）当Ｘｉ围绕Ｘ０摆动时，且Ｘｉ位于００（ｘｉ（１）－ｘｉ（１），ｘｉ（２）－ｘｉ（１），…，ｘｉ（ｎ）－ｘｉ（１））为Ｘｉ。令ｓｉ＝

Ｘ０之上部分的面积与位于之下的面积相等时，ε０ｉ＝１。这样，就不能正确地反映曲线相似的实质。二、改进的灰色绝对关联度的计算以及灰关联空间的定义目前提出的几种主要的灰关联度计算模型中存在着某种欠缺，主要是因为灰色关联理论体系不是很完备，因此有必要重新定义曲线的相似性及灰色关联空间。既然灰关联度是通过数据序列的几何关系的相似程度来度量的，我们首先要准确地给出曲线相似的定义，并且要充分地利用曲线相似这一点来给定一个比较合理的灰色关联度的计算公式，计算灰色关联度的前提条件是我们定义的灰关联映射应满足对称性。设系统行为数据序列为０ #Ｘｄｔｎ０ｉｌ（ｉ＝０，１，２，…，ｍ），则（１）当Ｘｉ为增长序列时，ｓｉ≥０；（２）当Ｘｉ为衰减序列时，ｓｉ≤０；（３）当Ｘｉ为振荡序列时，ｓｉ符号不定。命题２设系统行为数据序列Ｘｉ＝（ｘｉ（１），ｘｉ（２），…，ｘｉ（ｎ））Ｘｊ＝（ｘｊ（１），ｘｊ（２），…，ｘｊ（ｎ））的始点零化像为：Ｘｉ＝（ｘｉ（１）－ｘｉ（１），ｘｉ（２）－ｘｉ（１），…，ｘｉ（ｎ）－ｘｉ（１）），记Ｘｊ＝（ｘｊ（１）－ｘｊ（１），ｘｊ（２）－ｘｊ（１），…，ｘｊ（ｎ）－ｘｊ（１））｜ｓｉ－ｓｊ｜＝｜００ #（Ｘ（ｔ）－Ｘ（ｔ））ｄｔ｜０ｉ０ｊ设两个始点零化像曲线除了始点ｔ０，终点ｔｎ以外还有ｌ个交点，交点记为ｔｋ（ｋ＝１，２，…，ｌ），其中ｌ为有限整数，则｜ｓｉ－ｓｊ｜＝＋…＋＝% ｋ＝０ｌ－１Ｘｉ＝（ｘｉ（１），ｘｉ（２），…，ｘｉ（ｎ））（ｉ＝０，１，２，…，ｍ）记折线

灰色关联分析(算法步骤)

灰色关联分析灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 [2] 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。[2] 灰色关联分析的步骤[2] 灰色关联分析的具体计算步骤如下：第一步：确定分析数列。确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。设参考数列（又称母序列）为Y={Y(k) | k= 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k) | k = 1,2,Λ,n},i= 1,2,Λ,m。第二步，变量的无量纲化由于系统中各因素列中的数据可能因量纲不同，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，一般都要进行数据的无量纲化处理。

灰色关联度分析

第五章灰色关联度分析目录壹、何谓灰色关联度分析----------------------------------------- 5-2 贰、灰色联度分析实例详说与练习 ---------------------------- 5-8 负责组员工教行政硕士班二年级周世杰591701017 陶虹沅591701020 林炎莹591701025

第五章灰色关联度分析壹、何谓灰色关联度分析一.关联度分析灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis)是其中的一种。基本上灰色关联度分析是依据各因素数列曲线形状的接近程度做发展态势的分析。灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素) 之间的数值关系。简言之，灰色关联度分析的意义是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。主要的差别在于「局部性灰色关联度」有一参考序列，而「整体性灰色关联度」是任一序列均可为参考序列。二.直观分析依据因素数列绘制曲线图，由曲线图直接观察因素列间

的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。表一某一老师给学生的评分表单位：分/ % 由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。

灰色关联分析

2 灰色关联分析方法在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。一、灰色关联分析概述我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?= =?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区间上的灰数。不难看出，△ij (t)的最小值是min ?，

基于改进灰色关联度的指标体系构建方法

基于改进灰色关联度的指标体系构建方法摘要：评价指标体系建立的是否合理决定着人们能否对评价对象有个正确的认识。本文提出一种基于改进灰色关联度的评价指标体系构建方法，该方法首先计算出各因素与系统的关联度，采用德尔菲法对专家打分进行处理，打分结果作为各因素重要性的得分；然后将因素的关联度与重要性得分相结合，排序后筛选出初始指标；最后通过对初选指标之间的相关性分析，求解出有效的指标体系。比较实验是在真实的数据集上进行的，实验结果证明改进的灰色关联度分析法明显优于主成分分析法。因此可以认为改进后的方法能够有效的实现指标筛选。 abstract： whether evaluation objects can be understood comprehensively or not depends on a reasonable evaluation index system. in this paper， a novel evaluation index system construction method based on improved grey correlative degree analysis has been proposed. firstly， the correlation between various factors and the system has been calculated， dealing with expert scores based on the delphi method and assigning the results to the importance score of each factor. secondly，the correlative degree has been combined with the importance score and the initial indicators have been screened after sorting. finally， an effective index system has been drawn out through analyzing the correlations of primary indexes.

灰色关联分析法原理及解题步骤教学提纲

灰色关联分析法原理及解题步骤

灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性）关联程度——曲线间几何形状的差别程度灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。灰色关联分析的基本思想是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 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致分析法优点它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定参考数列——反映系统行为特征的数据序列比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列（1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵

（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵（3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi）参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i）称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻

基于灰色关联度分析企业竞争力分析设计

分类号_________ 编号___________ U D C _________ 密级___________ 中国民航飞行学院毕业设计（论文）题目“中华酷联”企业核心竞争力分析作者姓名赵蓉指导教师姓名及职称吴永强副教授二级学院及专业名称航空运输管理学院物流管理专业提交日期 2014年6月6日答辩日期 2014年6月9日答辩委员会主任评阅人 2014 年 6 月 6 日

“中华酷联”企业核心竞争力分析学生：赵蓉指导老师：吴永强摘要随着技术的发展和集成度的提高，整个电子行业市场是完全竞争的，本文基于国内外对企业核心竞争力的研究成果，运用灰色关联度法对国内手机制造企业进行核心竞争力评价。为了改进灰色关联度分析评价模型的精确度和避免由于人的主观因素而形成权重分配偏差,本文将熵值法与灰色关联分析法相结合,建立起基于熵权的灰色关联度分析模型。模型首先从人力资源、技术创新、知识产权、组织协调能力、计划调控能力等5个方面评价企业的获利能力与可持续性，然后综合企业在这5个方面的表现形成对中华酷联核心竞争力的综合评价，并给出相应的核心竞争力提升建议。论文研究认为企业只有统筹兼顾各方面因素才能实现核心竞争力的提升。关键词：手机制造业；核心竞争力；灰色关联度；熵值法

Research on Evaluation of “Zhong Hua Ku Lian” Core Competence of Enterprise Candidate：Zhao Rong Supervisor: Wu Yong Qiang Abstract With the increasing development of technology and integration, the market of the electronics industry is completely competitive. My paper based on the domestic and foreign research results of evaluation of core competence of enterprise and use the grey relational analysis on the development direction of the manufacture mobil-phone Industry.In order to improve the accuracy and personal factor caused the weight deviation, my paper combines the entropy method and grey relational analysis to establish the entropy method and grey relational analysis model.The model first from human resource, technical innovation, intellectual property, ability to organize and coordinate, the ability of planning control evaluate the profitability and the sustainability.Than combine their perfoemance to evaluate the core competence and given the homologous improved susgestion.Thesis research conclud that the core competence of enterprise only over all consideration every factor to realize the ascension . Key Words:Mobile Phone Manufacturing;Core Competence;Grey Relational Degree; Entropy Methord

灰色关联分析法原理及解题步骤

基于灰色关联度分析企业竞争力分析毕业设计论文

灰色关联度分析解法及详细例题解答

1.地梭梭生长量与气候因子的关联分析下表为1995年3年梭梭逐月生长量（X0）、月平均气温（X1）、月降水量（X2）、月日照（X3）时数和月平均相对湿度（X4）的原始数据，试排出影响梭梭生长的关联序，并找出主要的影响因子。灰色系统理论提出了灰色关联度的概念，它是提系统中两个因素关联性大小的量度，关联度的大小直接反映系统中的各因素对目标值的影响程度。运用灰色关联分析法进行因素分析的一般步骤为：第一步：确定分析数列。确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。（Y）设参考数列（又称母序列）为Y = {Y （k）| k = 1，2，Λ，n}；影响系统行为的因素组成的数据序列，称比较数列。（X）比较数列（又称子序列）Xi = {Xi（k）| k = 1,2,Λ,n}，i = 1，2，Λ，m。第二步，变量的无量纲化由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此为了保证结果的可靠性，在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。第三步，计算关联系数。X 0（k）与x i （k）的关联系数记，则，称为分辨系数。ρ越小，分辨力越大，一般ρ的取值区间为(0,1),具体

取值可视情况而定。当时，分辨力最好，通常取ρ = 。 ξi（k）继比较数列xi的第k个元素与参考数列xo的第k个元素之间的关联系数。第四步，计算关联度因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下：第五步，关联度排序关联度按大小排序，如果r1 < r2，则参考数列y与比较数列x2更相似。在算出Xi（k）序列与Y（k）序列的关联系数后，计算各类关联系数的平均值，平均值ri就称为Y（k）与Xi（k）的关联度。本题解答过程：第一步：数据处理 X 0（k）= {，，，，13，，18，，，，8，1 } X 1（k）= {，，10，，，，，，22，18，， } X 2（k）= {17，，，，，，，，，，， } X 3（k）= {，，，137，，，，，，84，， } X 4（k）= {81，79，75，75，77，79，83，86，83，82，81，82}

灰色关联度matlab源程序(完整版)

灰色关联度matlab源程序（完整版）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。简言之，灰色关联度分析的意义是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。灰色关联度可分成“局部性灰色关联度”与“整体性灰色关联度”两类。主要的差别在于局部性灰色关联度有一参考序列，而整体性灰色关联度是任一序列均可为参考序列。关联度分析是基于灰色系统的灰色过程, 进行因素间时间序列的比较来确定哪些是影响大的主导因素, 是一种动态过程的研究。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

灰色关联度分析MATLAB程序

x(1,:)=[83 0.191 12.9 7.2 89.4 0.432 6.33]; x(2,:)=[75 0.189 11.6 9.1 82.3 0.453 5.87]; x(3,:)=[64 0.165 11.9 10.3 69.3 0.512 6.31]; %列出各数值，可修改 x(4,:)=[63 0.165 12.8 9.7 68.2 0.455 6.6]; x(5,:)=[56 0.211 13.2 12.6 77.5 0.317 7.12]; m=5;n=7; x0=[83 0.211 13.2 7.2 89.4 0.317 5.87]; %参考序列 for i=1:n avg(i)=0; %均值初始化 end for i=1:m for j=1:n avg(j)=avg(j)+x(i,j); end end %求均值序列 for i=1:n avg(i)=avg(i)/m; end for j=1:m for i=1:n x(j,i)=x(j,i)/avg(i); %均值化 end end for i=1:n x0(i)=x0(i)/avg(i); %参考序列均值化end for j=1:m for i=1:n delta(j,i)=abs(x(j,i)-x0(i)); %求序列差 end end max=delta(1,1); for j=1:m for i=1:n if delta(j,i)>max max=delta(j,i);

end end end %求两极差 min=0; for j=1:m xgd(j)=0; for i=1:n glxs(j,i)=0.5*max/(0.5*max+delta(j,i)); %计算关联系数及相关度 xgd(j)=xgd(j)+glxs(j,i); end xgd(j)=xgd(j)/n; end xgd %因此，A—E区与参考序列（最佳指标）的相关度分别为0.8489 0.6983 0.5588 0.5858 0.7105

灰色关联度分析法在系统综合评价中的应用(精)

灰色关联度分析法在系统综合评价中的应用李玉辉,张建 2 (1.长沙理工大学,湖南长沙410076;2.济南市公路管理局,山东济南250013) 摘要:基于灰色系统理论,研究了灰色关联度分析法在系统综合评价中的应用。并通过实例对该方法进行了实证研究,表明了该方法的有效性。关键词:灰色关联度;综合评价;指标体系中图分类号:U491 文献标识码:A 的标准数据列,记为X0,设第一个指标值记为X0(1),第二个指标值记为X0(2),第k 个指标值记为X0(k),因此参考数据列可以用如下公式表示 X0=X0(i) i=1,2,3,,n ……………(1)比较数据列是研究的对象数据列,记为 X1,X2,,,Xm,可以用如下公式表示 X1=X1(i) i=1,2,3,,nX2=X2(i) i=1,2,3,,n,, Xm=Xm(i) i=1,2,3,, (2) 引言系统综合评价的方法很多,如层次分析法、模糊综合评判法、主成分分析法、因子分析法等。这些方法都有各自的优点,但是也存在着一定的不足。例如模糊综合评判法是对难以精确化的复杂系统进行分析的间接评判法,这种方法的重要步骤是确定评价指标的隶属度,如果隶属函数选择的不合适,则容易引起较大的误差;层次分析法是将人们的定性思维转化为定量分析的过程,很大程度上依赖于人的经验;主成分分析法则要求有多个非线性相关的指标,指标太少的话,会在很大程度上影响评价的客观性。笔者应用灰色系统的有关理论,研究了灰色关联度分析法在系统综合评价中的应用。 1.2 关联系数在分析参考数据列和比较数据列的关联程度时,首先分析各个指标间的关联程度,用关联系数这个概念表示,计算公式如下 Gi(J)= vMin+K#vMax (3) i(J)+K#vMax 其中,vi(J)=&Xi(J)-X0(J)&;vMin=MiinMJin&Xi(J)-X0(J)&:vMax=MiaxMJax&Xi(J)-X0(J)& Gi(J)为Xi对X0的k指标关联系数;K为分辨系数,一般在0与1之间,通过计算验证,笔者取为0.5,结果较为合理。

基于层次分析法的灰色关联度综合评价模型

第1章基于层次分析法的灰色关联度综合评价模型灵活型公共交通系统是一个复杂的综合性系统，单一的常规评价方法不能够准确对系统进行全面评价【39】，这就要求在进行灵活型公共交通系统评价时，结合系统固有特点，根据各种评价方法的优缺点，构建适合该系统的综合评价模型。本章以灵活型公共交通系统评价指标体系为基础，参考常规型公共交通系统评价方法，建立了基于层次分析法的灰色关联度综合评价模型。 1.1评价方法适应性分析灰色关联度分析法基于灰色系统理论，是一种多指标、多因素分析方法，通过对系统的动态发展情况进行定量化分析，考察系统各个要素之间的差异性和关联性，当比较序列与参考序列曲线相似时，认为两者有较高关联度，反之则认为它们之间关联度较低，从而给出各因素之间关系的强弱和排序【50】。与传统的其它多因素分析法相比【80】【81】【82】，灰色关联度分析法对数据量要求较低，样本量要求较少，计算量较小，可以利用各指标相对最优值作为参考序列，为最终综合评价等级的确定提供依据，而不必对大量实践数据有过高要求，能够较好解决灵活型公共交通系统作为新型辅助式公系统没有足够的经验数据支撑其模型参数的问题。此外，灵活型公共交通系统评价体系是基于乘客、公交企业、政府三方主体的综合评价体系，涉及因素较多，指标较为复杂，部分指标之间存在关联性和重复性，信息相对不完全，而灰色系统的差异信息原理以及解的非唯一性原理，可以很好的解决这一问题【79】。综上所述，认为灰色关联度分析法比较适合于灵活型公共交通系统的综合评价。然而灰色关联度分析法将所有指标对于总目标的影响因素大小视作等同，没有考虑指标权重的影响，评价值可信度较低，应当通过科学的方法，确定指标权重，将其与关联度系数相结合，增加评价结果的科学性和有效性【83】。常见的权重确定方法包括，专家打分法、等权重法、统计试验法、熵值法等。等权重法不能很好的体现不同指标影响程度的差异性，并且在综合评价值相差不大时不利于方案的选择【84】；专家打分法、统计试验法评价的主观性较高，并且不适用于指标较多的情况【85】；行和正规化法、列和求逆法等指对判断矩阵的一部分数据进行利用，结果可信度不高【86】；最小偏差法、对数回归法等，利用同一指标不同方案值，认为变化程度较大的指标传递更多信息，应具有较高权重，然而对于灵活型公共交通系统单方案综合水平等级评价的情况，并不适用。本文应用层次分析法确定系统各指标权重，层次分析法【51】【52】（Analytic Hierarchy Process—AHP）是一种典型的系统工程分析方法，它将人们复杂的系统思维过程数学化、层次、条理化，把复杂问题的各种因素整合为相互联系的有序层次【53】，有助于保持决策者思维的一致性，适用于各种类型的复杂综合评价系统，能够有效的将定性分析和定量分析进行综合集成，具有的可置换性、互容性、对称性等较优性质，是目前确定指标权重的一种常用方法。鉴于此，本文引入了基于层次分析法的灰色关联度综合评价模型【54】【55】【56】，在建立基于三方主体的综合评价体系同时量化评价指标的基础上，进一步对各指标进行无量纲化处理，通过层次分析法确定各指标权重，进而建立灰色关联度评价矩阵，与各指标权重相结合，确定灵活型公共交通系统综合评价结果。考虑到灵活型公共交通系统综合评价体系评价指标较多，本文采用了基于灰色关联度的二级指标评价矩阵，由低层向高层逐步进行评价，避免