灰色關(guān)聯(lián)度matlab源程序

1、灰色關(guān)聯(lián)度matlab源程序 最近幾天一直在寫算法，其實(shí)網(wǎng)上可以下到這些算法的源程序的，但是為了搞懂，搞清楚，還是自己一個(gè)一個(gè)的看了，寫了，作為自身的積累，而且自己的的矩陣計(jì)算類庫(kù)也迅速得到補(bǔ)充，以后關(guān)于算法方面，基本的矩陣運(yùn)算不用再重復(fù)寫了，挺好的，是種積累，下面把灰關(guān)聯(lián)的matlab程序與大家分享?；疑P(guān)聯(lián)度分析法是將研究對(duì)象及影響因素的因子值視為一條線上的點(diǎn),與待識(shí)別對(duì)象及影響因素的因子值所繪制的曲線進(jìn)行比較,比較它們之間的貼近度,并分別量化,計(jì)算出研究對(duì)象與待識(shí)別對(duì)象各影響因素之間的貼近程度的關(guān)聯(lián)度,通過(guò)比較各關(guān)聯(lián)度的大小來(lái)判斷待識(shí)別對(duì)象對(duì)研究對(duì)象的影響程度。關(guān)聯(lián)度計(jì)算的預(yù)處理，一般初

2、值化或者均值化，根據(jù)我的實(shí)際需要，本程序中使用的是比較序列與參考序列組成的矩陣除以參考序列的列均值等到的，當(dāng)然也可以是其他方法。%注意：由于需要，均值化方法采用各組值除以樣本的各列平均值clear;clc;yangben=47.924375 25.168125 827.4105438 330.08875 1045.164375 261.37437516.3372 6.62 940.2824 709.2752 962.1284 84.87455.69666667 30.80333333 885.21 275.8066667 1052.42 435.81; %樣本數(shù)據(jù)fangzhen=36.27

3、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 1244.7

4、5 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 ; %待判數(shù)據(jù)rows,cols=size(fangzhen);p=0.5;    %分辨系數(shù)m,n=size(yangben);      R=;for irow=1:rows     yy=fangzhen(irow,:

5、);     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); 

6、;        end     end          for i=2:m+1         for j=1:n             Dij(i-1,j)=abs(data_gyh(1,j)-data

7、_gyh(i,j);         end     end     Dijmax=max(max(Dij);     Dijmin=min(min(Dij);          for i=1:m         for j=1:n

8、60;            Lij(i,j)=(Dijmin+p*Dijmax)/(Dij(i,j)+p*Dijmax);         end     end          LijRowSum=sum(Lij');     

9、0;    for i=1:m         Rij(i)=LijRowSum(i)/n;     end     R=R;Rij;endR推薦精選推薦精選matlab求灰色關(guān)聯(lián)度矩陣源代碼 2010-12-11 22:57function greyrelationaldegree(X,c)%GRAYRELATIONALDEGREE this function is used for calculatin

10、g 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,

11、 the value of c is 0.5firstrow = X(1,:);reci_firstrow = 1./firstrow;reci_convert = diag(reci_firstrow);initialMIRROR = X*reci_convert;% find the initial value mirror of the sequce matrixA = initialMIRROR'nrow,ncolumn = size(A);for (i=2:nrow)    C = A(i,:)-A(1,:)   

12、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)=aminend %find the difference squence and the m

13、ax value and min value of each squencemaxmax = 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)')  

14、  endend % calculate the greyralational degree of each datafor(i=2:nrow)   eval('greyrelatioanaldegree_value' num2str(i) '= mean (greyrelationdegree' num2str(i) ')'  )   end推薦精選基于matlab灰色關(guān)聯(lián)度計(jì)算的實(shí)現(xiàn) 2006年07月28日 星期五 上午 11:06function r=incident_d

15、egree(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        %數(shù)據(jù)初值化處理 x0_initial=x0./x0(1); temp=size(x1); b=repmat(x1(:,1),1 temp(2); x1_initial=x1./b; %分辨系數(shù)選擇 K=

16、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在數(shù)據(jù)初值化后實(shí)際為零 delta_max=max(max(contrast_mat); a=delta_min+K*delta_max; incidence_coefficient=a./(contrast_mat+K*delta_max);%得到關(guān)聯(lián)系

17、數(shù) r=(sum(incidence_coefficient')'/temp(2);      %得到鄧氏面積關(guān)聯(lián)度我們根據(jù)圖1的步驟和圖2的數(shù)據(jù)進(jìn)行編程實(shí)現(xiàn)，程序如下：%清除內(nèi)存空間等clear;close all;clc;推薦精選%載入源數(shù)據(jù)    %其實(shí)這里可以載入execl表格的n=15;                 &

18、#160;     %參與評(píng)價(jià)的人數(shù)m=4;                        %參與評(píng)價(jià)的指標(biāo)個(gè)數(shù)X_0=zeros(n,m);             %   &#

19、160;      數(shù)據(jù)矩陣X_2=zeros(n,m);             %偏差結(jié)果的求取矩陣X_3=zeros(n,m);             %  相關(guān)系數(shù)計(jì)算矩陣a1_0=13 18 17 18 17 17 18 17 13 17 18 13 18 13 18;a2_0=18 1

20、8 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;    %指標(biāo)數(shù)X_1=a1_0',a2_0',a3_0',a4_0'   %最后使用到的數(shù)據(jù)矩陣%1 尋找參考列x0=

21、max(a1_0),max(a2_0),max(a3_0),max(a4_0);   %取每列的最大值（指標(biāo)的最大值）%2 計(jì)算偏差結(jié)果i=1;while(i=m+1)                                   %

22、為什么這個(gè)地方會(huì)出問(wèn)題呢    for j=1:1:n        X_2(j,i)=abs(X_1(j,i)-x0(i);    end;    i=i+1;end%3 確定偏差的最值error_min=min(min(X_2);error_max=max(max(X_2);推薦精選%4 計(jì)算相關(guān)系數(shù)i=1;p=0.5;while(i=m+1)    for j=1:1:n  

23、60;     X_3(j,i)=(error_min+p*error_max)/(X_2(j,i)+p*error_max);    end;    i=i+1;end%X_3     %可以在此觀察關(guān)聯(lián)矩陣%5 計(jì)算各個(gè)學(xué)生的關(guān)連序a=zeros(1,n);for j=1:1:n    for i=1:1:m     a(j)=a(j)+X_3(j,i);   %

24、其實(shí)可以直接用sum    end;    a(j)=a(j)/m;           %可以改進(jìn)% 推薦精選1 2 3 下一頁(yè)%end%a      %在此可以觀測(cè)各個(gè)學(xué)生的序 %改進(jìn):如果各個(gè)指標(biāo)的所占權(quán)重不一樣的話,可以添加相應(yīng)的權(quán)系數(shù)%6 排序b=a'c,s=sort(b);for i=1:1:n    d(i)=i;endd=d'

25、result=d b c s%7 將結(jié)果顯示出來(lái)figure(1);plot(a);figure(2)bar(a);                  %柱狀圖推薦精選    最后所得到的結(jié)果如圖3到圖5所示。 圖3 程序運(yùn)行結(jié)果圖4 曲線圖圖5 柱狀圖    根據(jù)以上三圖我們就可以判斷出每個(gè)學(xué)生序列與參考序列（最大值）之間的關(guān)系，與最大值的關(guān)系越密切，那么

26、其關(guān)聯(lián)度越大。根據(jù)以上的啟示，我用matlab灰度關(guān)聯(lián)分析的想法是：1、參考序列我可以選擇已知屬于某一類神經(jīng)元的統(tǒng)計(jì)數(shù)據(jù)，我選擇平均值。2、加入一個(gè)未知類的數(shù)據(jù)，與已有類中的數(shù)據(jù)一起計(jì)算他們與平均值的關(guān)聯(lián)度。3、計(jì)算出來(lái)的關(guān)聯(lián)度我們可以有多種處理思路，如果未知類的關(guān)聯(lián)度不是排在最末，可以認(rèn)為它屬于這一類，或者未知類的關(guān)聯(lián)度大于計(jì)算出來(lái)的關(guān)聯(lián)度平均值，我們可以認(rèn)為它屬于這一類。推薦精選    使用關(guān)聯(lián)度進(jìn)行分類，計(jì)算出來(lái)的關(guān)聯(lián)度如何使用還是個(gè)問(wèn)題，這個(gè)東西是我琢磨出來(lái)的，我還沒有見到過(guò)相關(guān)的文獻(xiàn)，估計(jì)應(yīng)該可以用，期望以后的專家學(xué)者鉆研了。參考文獻(xiàn)：1 郝海燕,王斌.

27、大學(xué)生綜合素質(zhì)測(cè)評(píng)的灰色關(guān)聯(lián)分析法J.承德石油高等?？茖W(xué)校學(xué)報(bào),2009,11(2):57-59. 上一頁(yè) 1 2 3 請(qǐng)教一下用MATLAB實(shí)現(xiàn)灰色關(guān)聯(lián)分析的程序初始矩陣為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 1

28、0.05 11.31 12.25 11.64我寫的程序如下: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%原始數(shù)據(jù)5行9列x1=xfor i=1:5 for j=1:9 x(i,j)

29、=x(i,j)/x1(1,j) endendx1=xfor i=1:5 for j=1:9 x(i,j)=abs(x(i,j)-x1(i,1) endendmax=x(1,1)min=x(1,1)for i=1:5 for j=1:9推薦精選 if x(i,j)>=max max=x(i,j) end endendfor i=1:5 for j=1:9 if x(i,j)<=min min=x(i,j) end endendk=0.5 %分辨系數(shù)取值l=(min+k*max)./(x+k*max)%求關(guān)聯(lián)系數(shù)矩陣但是運(yùn)算錯(cuò)誤!請(qǐng)教一下高手問(wèn)題補(bǔ)充： 樓下回答的不對(duì),那樣雖不會(huì)運(yùn)行錯(cuò)

30、誤,但得不到正確的答案 怎么沒人再給我回答啊555555555其他回答 共1條 4.00;4.87 5.89 6.76 7.97 8.84 10.05 11.31 12.25 11.64%原始數(shù)據(jù)5行9列 x1=x %有錯(cuò)，應(yīng)該為 x=x1for i=1:5 灰色關(guān)聯(lián)matlab程序 瀏覽次數(shù)：170次懸賞分：5 | 提問(wèn)時(shí)間：2011-5-25 19:40 | 提問(wèn)者：zjon111 clear;clc;yangben=12409 15296 18743 22399 26451; %樣本數(shù)據(jù)fangzhen=216314 265810 314045 340903 397983 1.5 4.8

31、 5.9 -0.7 3.3 1184 1204 1113 1102 116811759 13786 15781 17175 19109 38760 51322 61330 68518 83080 109998 137324 172828 224599 278140 推薦精選79145 93572 114830 132678 156998 161587 172534 217885 260772 303302 ; %待判數(shù)據(jù)rows,cols=size(fangzhen);p=0.5; %分辨系數(shù)m,n=size(yangben); R=;for irow=1:rows yy=fangzhen(i

32、row,:); 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);

33、 end end LijRowSum=sum(Lij'); for i=1:m Rij(i)=LijRowSum(i)/n; end R=R;Rij;endR哪里出錯(cuò)了，求高手解答，順便求結(jié)果分析推薦答案 data_gyh1=mean(yangben)得到的是一個(gè)數(shù)，推薦精選而data_gyh(i,j)=data(i,j)/data_gyh1(j)中data_gyh1(j)你把data_gyh1作為一個(gè)數(shù)組使用的，所以會(huì)出錯(cuò)。追問(wèn)怎么改合適呢回答其實(shí)我不懂灰色關(guān)聯(lián)是什么，所以可能在這個(gè)上邊幫不了什么忙，你看看灰色關(guān)聯(lián)的原理吧，data_gyh1=mean(yangben)這一句得到的d

34、ata_gyh1就是一個(gè)定值，而data_gyh(i,j)=data(i,j)/data_gyh1(j)中需要用到的是什么值呢，你從這方面下手考慮吧。剛搜了一下，看到了跟你這個(gè)類似的源程序。他的樣本數(shù)據(jù)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，所以應(yīng)該直接讓data_gyh1=yangben。個(gè)人意見，僅供參考。參考資料：基于matlab的灰度關(guān)聯(lián)分析法(2010-09-23 10:12:42) 標(biāo)簽： matlab灰度關(guān)聯(lián)分類分類： matlab相關(guān)     做了四天的研究生數(shù)

35、學(xué)建模，感覺做的很一般，應(yīng)該是沒有很好的深入理解題意，而且對(duì)于神經(jīng)元的背景信息不是很清楚，導(dǎo)致了后面的東西沒有時(shí)間處理，最后一天的熬夜，終于把論文給趕了出來(lái)，第二天從早上十點(diǎn)一覺睡到晚上六點(diǎn)半。推薦精選    關(guān)于建模神經(jīng)元這題主要是分類和聚類問(wèn)題，前者是類別已知，然后判斷測(cè)試樣本是否為某一類。后者是無(wú)監(jiān)督學(xué)習(xí)，即么有類別信息和其他先驗(yàn)知識(shí)，一般要求滿足最大組內(nèi)相似性和最小組間相似性。我想到了上學(xué)期給同學(xué)做的一個(gè)使用灰度關(guān)聯(lián)分析法進(jìn)行大學(xué)生綜合素質(zhì)評(píng)價(jià)的東西，下面主要講一下那個(gè)東西是怎么實(shí)現(xiàn)的。    多指標(biāo)綜合測(cè)評(píng)主要有三大類方法：

36、常規(guī)數(shù)學(xué)方法、模糊數(shù)學(xué)方法、多元統(tǒng)計(jì)分析方法?；疑P(guān)聯(lián)分析是灰色系統(tǒng)理論中的一個(gè)分支，其對(duì)數(shù)據(jù)的要求不是很嚴(yán)格，不要求數(shù)據(jù)分布具有特殊規(guī)律。下面我按照參考文獻(xiàn)1中的內(nèi)容把綜合素質(zhì)評(píng)價(jià)的程序給實(shí)現(xiàn)。下面是灰度關(guān)聯(lián)法進(jìn)行綜合評(píng)價(jià)的步驟：圖1 灰度關(guān)聯(lián)分析法進(jìn)行綜合測(cè)評(píng)的步驟推薦精選圖2 所使用的綜合評(píng)價(jià)表    我們根據(jù)圖1的步驟和圖2的數(shù)據(jù)進(jìn)行編程實(shí)現(xiàn)，程序如下：%清除內(nèi)存空間等clear;close all;clc;%載入源數(shù)據(jù)    %其實(shí)這里可以載入execl表格的n=15;    

37、0;                  %參與評(píng)價(jià)的人數(shù)m=4;                        %參與評(píng)價(jià)的指標(biāo)個(gè)數(shù)X_0=zeros(n,m);   &

38、#160;         %          數(shù)據(jù)矩陣X_2=zeros(n,m);             %偏差結(jié)果的求取矩陣X_3=zeros(n,m);            

39、%  相關(guān)系數(shù)計(jì)算矩陣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;    %指標(biāo)數(shù)X_1

40、=a1_0',a2_0',a3_0',a4_0'   %最后使用到的數(shù)據(jù)矩陣%1 尋找參考列x0=max(a1_0),max(a2_0),max(a3_0),max(a4_0);   %取每列的最大值（指標(biāo)的最大值）推薦精選%2 計(jì)算偏差結(jié)果i=1;while(i=m+1)                     &

41、#160;             %為什么這個(gè)地方會(huì)出問(wèn)題呢    for j=1:1:n        X_2(j,i)=abs(X_1(j,i)-x0(i);    end;    i=i+1;end%3 確定偏差的最值error_min=min(min(X_2);error_max=max(max(X_2);%4 計(jì)算相關(guān)系數(shù)i=1;p=0.5;while(i=m+1)    for j=1:1:n &