灰色關(guān)聯(lián)度matlab源程序

1、灰色關(guān)聯(lián)度matlab源程序(完整版)近幾天一直在寫(xiě)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(xiě)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(xiě)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。簡(jiǎn)言之，灰色關(guān)聯(lián)度

2、分析的意義是指在系統(tǒng)發(fā)展過(guò)程中，如果兩個(gè)因素變化的態(tài)勢(shì)是一致的，即同步變化程度較高，則可以認(rèn)為兩者關(guān)聯(lián)較大；反之，則兩者關(guān)聯(lián)度較小。因此，灰色關(guān)聯(lián)度分析對(duì)于一個(gè)系統(tǒng)發(fā)展變化態(tài)勢(shì)提供了量化的度量，非常適合動(dòng)態(tài)(Dynamic)的歷程分析?；疑P(guān)聯(lián)度可分成局部性灰色關(guān)聯(lián)度”與整體性灰色關(guān)聯(lián)度”兩類。主要的差別在于局部性灰色關(guān)聯(lián)度有一參考序列，而整體性灰色關(guān)聯(lián)度是任一序列均可為參考序列。關(guān)聯(lián)度分析是基于灰色系統(tǒng)的灰色過(guò)程，進(jìn)行因素間時(shí)間序列的比較來(lái)確定哪些是影響大的主導(dǎo)因素，是一種動(dòng)態(tài)過(guò)程的研究。關(guān)聯(lián)度計(jì)算的預(yù)處理，一般初值化或者均值化，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

3、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 14.59 836.15 420.41 1011.83 189.5464.73

4、35.63 755.45 331.32 978.5 257.8742.44 23.07 846 348.05 1025.4 296.6959.34 39.7 794.31 334.63 1016.4 317.2752.91 17.14 821.79 306.92 1141.94 122.04 4.21 4.86 1815.52 2584.68 963.61 0.006.01 2.43 1791.61 2338.17 1278.08 30.873.01 1.58 1220.54 956.14 1244.75 3.9125.65 7.42 790.17 328.88 1026.01 92.8211

5、5.80 27 926.5 350.93 1079.49 544.3812.63 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:rowsyy=fangzhen(irow,:);data=yy;yangben;data_gyh1=mean(yangben)for i=1:m+1for j=1:ndata_gyh(i,j)=data(i,j)/data_gyh1(j);endendfor i=2:m+1for j=1:nDij(i-1

6、,j)=abs(data_gyh(1,j)-data_gyh(i,j);endendDijmax=max(max(Dij);Dijmin=min(min(Dij);for i=1:mfor j=1:nLij(i,j)=(Dijmin+p*Dijmax)/(Dij(i,j)+p*Dijmax);endendLijRowSum=sum(Lij');for i=1:mRij(i)=LijRowSum(i)/n;endR=R；Rij；endRmatlab求灰色關(guān)聯(lián)度矩陣源代碼2010-12-11 22:57function greyrelationaldegree(X,c)%GRAYRELAT

7、IONALDEGREE 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 ralationaldegree between%it and other attributions%X is the squence matrix, c is the para

8、meter used in the function%in most of the time, 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 thesequce matrixA = initialMIRROR'nrow,ncolumn = size(A);for (i=2:nrow)C = A(i,:

9、)-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)=amaxminarray(i-1)=aminend %find the difference squence and the max value and min value of each squencemaxmax = max(maxarray)minmin = min(minarray)for(i

10、=2:nrow)for(j=1:ncolumn)eval('greyrelationdegree' num2str(i)'(j)=(minmin+c*maxmax)/(B' num2str(i) '(j)+c*maxmax)')endend % calculate the greyralational degree of each datafor(i=2:nrow)eval('greyrelatioanaldegree_value' num2str(i) '= mean (greyrelationdegree' n

11、um2str(i)')') end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_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以數(shù)據(jù)初值化處理x0_initial=x0./x0(1);temp=size(x1);b=repmat(x1(:

12、,1),1 temp(2);x1_initial=x1./b;%分辨系數(shù)選擇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./

13、(contrast_mat+K*delta_max);%得至 U關(guān)聯(lián)系數(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：%活除內(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;%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);%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

14、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=a1_0',a2_0',a3_0',a4_0'% 最后使用到的數(shù)據(jù)矩陣%1尋找參考歹0x0=max(

15、a1_0),max(a2_0),max(a3_0),max(a4_0);% 取每歹U 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)%為什么這個(gè)地方會(huì)出問(wèn)題呢for j=1:1:nX_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:nX_3(j,i)=(error_min+p*error_max)/(X_2(j,i)+p*error_max);end;

16、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:nfor i=1:1:ma(j)=a(j)+X_3(j,i);% 其實(shí)可以直接用 sumend;a(j)=a(j)/m;% 可以改進(jìn)%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b=a'c,s=sort(b);for i=1:1:nd(i)=i;endd=d'result=d b c s%7將結(jié)果顯示出來(lái)figure(1);plot(a);figure(2)bar(a);%柱狀圖最后所得到的結(jié)

17、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，那么其關(guān)聯(lián)度越大。IS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屆丁某一類神經(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)為它屆丁這一類，或者未知類的關(guān)聯(lián)度大丁計(jì)算 出來(lái)的關(guān)聯(lián)度平均值，我們可以認(rèn)為它屆丁這一類。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

18、， 這個(gè)東西是我琢磨出來(lái)的，我還沒(méi)有見(jiàn)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.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?？?學(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?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 6.077.85;3.30 3.47 3.61 3.80 4.00 4.19 4.42 4.61 4.80;6.006.00 6.00 7.50 7.50 7.50 9.00 9.00 9.00;1.20 1.20 1.80I.

19、80 1.80 2.40 2.70 3.60 4.00;4.87 5.89 6.76 7.97 8.8410.05 11.31 12.25 11.64我寫(xiě)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 3.473.61 3.80 4.00 4.19 4.42 4.61 4.80;6.00 6.00 6.00 7.507.50 7.50 9.00 9.00 9.00;1.20 1.20 1.80 1.80 1.80 2.402.70 3.60 4.00;4.87 5.89 6.76 7.97 8.84 10.05 11.31

20、12.25II. 64%原始數(shù)據(jù)5行9列x1=xfor i=1:5for j=1:9x(i,j)=x(i,j)/x1(1,j)endx1=xfor i=1:5for j=1:9x(i,j)=abs(x(i,j)-x1(i,1)endendmax=x(1,1)min=x(1,1)for i=1:5for j=1:9if x(i,j)>=maxmax=x(i,j)endendendfor i=1:5for j=1:9if x(i,j)<=minmin=x(i,j)endendendk=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)

21、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)誤，但得不到正確的答案 怎么沒(méi)人再給我回答啊555555555窗其他回答共i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?yàn)g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 墮I clear;clc;yangben= 12409 15296 18743 22399 26451;%樣本數(shù)據(jù)fangzhen=216314 265810 31404

22、5 340903 3979831.5 4.8 5.9 -0.7 3.31184 1204 1113 1102 116811759 13786 15781 17175 1910938760 51322 61330 68518 83080109998 137324 172828 224599 278140 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:rowsyy=

23、fangzhen(irow,:);data=yy;yangben;data_gyh1=mean(yangben) for i=1:m+1for j=1:ndata_gyh(i,j)=data(i,j)/data_gyh1(j);endend for i=2:m+1for j=1:nDij(i-1,j)=abs(data_gyh(1,j)-data_gyh(i,j);endendDijmax=max(max(Dij);Dijmin=min(min(Dij);for i=1:mfor j=1:nLij(i,j)=(Dijmin+p*Dijmax)/(Dij(i,j)+p*Dijmax);enden

24、dLijRowSum=sum(Lij');for i=1:mRij(i)=LijRowSum(i)/n;R=R；Rij；endR哪里出錯(cuò)了，求高手解答，順便求結(jié)果分析囹推薦答案data_gyh1=mean(yangben)得至 V 的是一個(gè)數(shù)，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 data_gyh1 就

25、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(jiàn)，僅供參考。參考資料： ec7866538db9e.html基于matlab的灰度關(guān)聯(lián)分析法(2010-09-23 10:12:42)SE標(biāo)簽： 分類：matlab相關(guān)matlab灰度關(guān)聯(lián)分類做了四天的研究生數(shù)學(xué)建模

26、，感覺(jué)做的很一般，應(yīng)該是 沒(méi)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(méi)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(jué)睡到晚上六 點(diǎn)半。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：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。灰色關(guān)聯(lián)分析是灰色系統(tǒng) 理

27、論中的一個(gè)分支，其對(duì)數(shù)據(jù)的要求不是很?chē)?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：利沏JE色健聯(lián)分析琳行嫁合評(píng)價(jià)的步舞是:n根揖評(píng)價(jià)只的確定評(píng)價(jià)折標(biāo)體系.收集評(píng)價(jià)敢斯設(shè)數(shù)掘序列形械如卜矩做頊U勘(2)k 1 E1= <jv/耳中 e 為推標(biāo)的個(gè)牧.n Apif Att .X'l1 JC. (Xtflh Xffl) x< fn) /Z) 淀揭號(hào)數(shù)撕劌碧號(hào)乾據(jù)列應(yīng)該是個(gè)時(shí)想的比較林推*1以以網(wǎng)指標(biāo)的雄說(shuō)催 做最務(wù)值)構(gòu)械察*收棍判.也 阿根IBiHfi目的選擇其它參翌值.記作Jf« =

28、41)h /,/如，勿斐個(gè)計(jì)養(yǎng)每個(gè)袖泮捋最色指虹序列此較序片)與參號(hào)序珂對(duì)同足g的燃對(duì)定值.，1而麻，耳 #用I、止uL ": e里# L ，典> K*4)E；± (uyrnpi'. Xa Utt - v,( ti 勺平日it福jdqrk t, fki I5計(jì)點(diǎn)美底慫t由F式一分別計(jì)耗每個(gè)比皎序司與參母序同封成元素的美聯(lián)系改m m m m-星"州 -p - m ix cu 91 | !r It t - :i r”(Jtr - 3t*m | *p 1 mmnix | 埼(刁-|'I t式中 "分冊(cè)敷5仰.1)內(nèi)皇值.若P越小.美零最敢

29、間筮舞越大.K樣能力越強(qiáng)調(diào)常¥堰0 頑果 W3為最優(yōu)果致?lián)蠯徹越大.越好一若f5W為蝸劣值敷蝸列.孩W越大，越不好-S計(jì)算美罪序樸井評(píng)情對(duì)象Ct較序我分七算R個(gè)指標(biāo)與套耳序列對(duì)向元?jiǎng)〉腦寰系散的均鑿.以M舞村呼 價(jià)封象與揭>5序列的美聯(lián)關(guān)系株探為美聯(lián)序起為：VfN = 一二 1一'* VS ff* &7,眼據(jù)芥觀察對(duì)象的美噩序一抖出席舍怦訴結(jié)隼.楸揖此評(píng)價(jià)方法較惟破埴評(píng)價(jià)了大學(xué)£珈腆旬城粉呀淄工治口，包odmblog圖1灰度關(guān)聯(lián)分析法進(jìn)行綜合測(cè)評(píng)的步驟我題箜守生峻宣理k教費(fèi)麥學(xué)號(hào)忠崽品微額1評(píng)分身心索商、測(cè)評(píng)分釁習(xí)成績(jī)蘋(píng)1評(píng)分發(fā)展性素質(zhì)科祁會(huì)1131

30、S4S 671021S1S41 J31CI 7V J171741 56， J41$1741的S 45171£Jft 47S 4617U41 44a *718n37 974. 2S17134J. 14Q 59BIS39. 619 310171339 &3Q蹈11IS1734 112 912131340 5S% 4513IS1334 194 21413173ft 752 715IS引毋Wf圈駢陽(yáng)琢1眉$獰令向彌好乏由4痛砰巳Wsg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：%青除內(nèi)存空間等clear;close all;clc;%載入源數(shù)據(jù)其實(shí)這里

31、可以載入execl表格的n=15;%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);%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 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 41.1439.67 39.83 34.11 40.58 34.19 30.75 21.2

32、2;a4_0=10 10.7 3 5.4 5.4 0.7 4.2 0.5 9.3 0.85 2.9 5.454.2 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=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)%為什么這個(gè)地方會(huì)出問(wèn)題呢for j=1:1:nX_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=

33、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:nX_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:nfor i=1:1:ma(j)=a(j)+X_3(j,i); %其實(shí)可以直接用 sumend;a(j)=a(j)/m;% 可以改進(jìn)%end%a % 在此可以觀測(cè)各個(gè)學(xué)生的序以改進(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:nendd=d're