灰色关联与TOPSIS法 —— matlab

最新推荐文章于 2024-03-10 16:41:58 发布
最新推荐文章于 2024-03-10 16:41:58 发布
阅读量6k 收藏 81
点赞数 6
分类专栏： 数学建模 文章标签： matlab 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_25990967/article/details/123122381
版权

目录

1.简介

2.算法详解

2.1 指标正向化及标准化

2.2 找到最大最小参考向量

2.3 计算与参考向量的相关系数

2.4 求评分

3.实例分析

3.1 读取数据

3.2 数据标准化

3.3 得到最大最小参考行

3.4 与最大值的灰色相关系数

 3.5 与最小值的灰色相关系数

3.6 计算综合评分

完整代码

1.简介

TOPSIS法 —— matlab ：传送门

灰色关联法 —— matlab：传送门

2.算法详解

2.1 指标正向化及标准化

        设有m个待评对象，n个评价指标，可以构成数据矩阵X=（xij)m*n，设数据矩阵内元素，经过指标正向化处理过后的元素为xij'

  • 若xj为负向指标（越小越优型指标）

  • 若xj为正向指标（越大越优型指标）

2.2 找到最大最小参考向量

设正向化标准化后的数据矩阵。

最大参考向量由各个指标的最大值构成

最小参考向量由各个指标的最小值构成

2.3 计算与参考向量的相关系数

求出标准化后数据矩阵X和最大参考向量Vmax和

最低0.47元/天 解锁文章
备战2024数学建模国赛（模型二十四）：TOPSIS法 优秀案例（一）淡水养殖池塘水华发生及池水自净化研究
m0_52343631的博客
08-18 895
近年来，水华现象发生频繁，影响了养殖对象的生长发育，还会破坏养殖生态系统的平衡。为此我们拟通过研究淡水养殖池塘相关主要理化因子，主要浮游生物数据及鱼虾生成等数据分析水华发生的原因，控制并预测水华的发生，从而提高养殖产量，减小环境污染。针对问题一，分析池水、底泥与间隙水中常见理化因子之间的关系。
数学建模：评价决策类——灰色关联分析及灰色关联评价
最新发布
qq_74301026的博客
08-03 3247
本文将带你快速了解并掌握灰色关联分析及灰色关联评价模型，文中附有详细案例讲解及代码实现。
基于熵权法的topsis分析（包含matlab源码以及实例）
热门推荐
m0_62558103的博客
08-18 3万+
基于熵权法的topsis分析（包含matlab源码以及实例）
基于熵权-灰色关联-topsis的综合评价模型
2401_83250053的博客
03-03 4500
计算参考序列和各个比较序列之间的关联度，公式为：$r_i = \frac{\min_{j}(x_{0j}, x_{ij}) + \rho \max_{j}(x_{0j}, x_{ij})}{x_{0i} + \rho \sum_{j=1}^{n}x_{0j}}$，其中$x_{0j}$表示参考序列的第j个元素，$x_{ij}$表示比较序列的第i个元素，$\rho$为关联度衡量参数。- 计算每个方案的综合评价指数，公式为：$C_i = \frac{负理想解距离}{负理想解距离 + 正理想解距离}$。
 基于TOPSIS法和灰色关联投影法在质量评估中的应用
01-30
 针对产品的质量优劣排序问题，本文提出了利用改进的TOPSIS法从产品与绝对理想解和绝对负理想解在多维空间上的实际距离度量其优劣；利用灰色关联投影法从产品指标序列与最优序列和最劣序列在几何形状上的关联度来度量其优劣顺序。最后将二者结合起来，更全面对产品的质量进行优劣排序，并进行实例分析，排序结果符合客观实际。
数学建模笔记——灰色关联分析
tangbiubiu的博客
04-22 3万+
灰色关联分析是什么 灰色关联分析同层次分析法和TOPSIS法一样，可以用来进行系统分析的方法。但与其他方法不同的是灰色关联分析对样本数量要求不高，计算量较小，且不会出现量化结果与定性分析结果不符的情况。 灰色关联分析的基本思想是根据序列曲线集合形状的相似程度来判断其联系是否紧密。曲线越接近，相应序列之间的关联度就越大，反之则越小。 灰色关联分析怎么用 应用1 进行系统分析 第一步：画统计图 根据统计图可得以下结论： 四个变量均呈上升趋势 第二产业的增幅较为明显 第二产业和第三产业的差距在后三年相差更大
灰色关联与TOPSIS法 —— python
PY洋洋
02-25 3940
1.简介 TOPSIS法 —— matlab ：传送门 灰色关联法 —— matlab：传送门 2.算法详解 2.1 指标正向化及标准化 设有m个待评对象，n个评价指标，可以构成数据矩阵X=（xij)m*n，设数据矩阵内元素，经过指标正向化处理过后的元素为xij' 若xj为负向指标（越小越优型指标） 若xj为正向指标（越大越优型指标） 2.2找到最大最小参考向量 设正向化标准化后的数据矩阵。 最大参考向量由各个指标的最大值构成 最小参考向量由各个指标的最小值构...
灰色关联法 —— matlab
PY洋洋
02-24 1万+
1.简介 2.算法详解 2.1 数据标准化 2.2计算灰色相关系数 2.3 计算灰色关联度系数 3.实例分析 3.1 读取数据 3.2 数据标准化 3.3绘制 x1,x4,x5,x6,x7 的折线图 3.4计算灰色相关系数 完整代码
解释性算法 之 灰色关联分析
[ 25'h ]
03-13 947
解释性算法 之 灰色关联分析
如何利用python实现灰色关联分析？
theskylife的博客
05-11 6646
什么是灰色关联分析？如何进行灰色关联度分析？如何在python中实现灰色关联分析？灰色关联分析有哪些应用场景？灰色关联分析该如何进行归一化？
灰色关联法 python代码
qq_61776376的博客
03-10 491
灰色关联法（Grey Relational Analysis）是灰色系统理论中的一个重要分支，它主要根据因素之间发展趋势的相似或相异程度，即“灰色关联度”，来衡量因素间的关联程度。灰色关联法的基本思路是通过线性插值的方法将系统因素的离散行为观测值转化为分段连续的折线，进而根据折线的几何特征构造测度关联程度的模型。折线几何形状越接近，相应序列之间的关联度就越大，反之就越小。总的来说，灰色关联法是一种有效的多因素统计分析方法，广泛应用于各个领域，特别是当数据不完全或信息不明确时，该方法具有独特的优势。
备战数学建模七之模糊数学
index00101的博客
07-28 410
备战数学建模七
灰色关联分析
weixin_51711289的博客
07-20 1万+
灰色关联度分析
从零开始的数模（十九）组合赋权法
qq_62377885的博客
02-05 5344
基于python和基于matlab的组合赋权法
数学建模------综合评价模型之灰色关联分析
m0_52792591的博客
08-19 1万+
前言 提起综合评价模型，大家可能会比较熟悉层次分析法，但是层次分型法的主观性太强，有时构造的矩阵并不能通过一致性检验，所以了解一些其他的综合评价模型也是十分重要的。比较常用的综合评价模型有TOPSIS法，熵值法，灰色关联分析法等，本文主要介绍一些灰色关联分析法的主要内容。 灰色关联分析法 灰色关联分析法最基本的应用其实并不是进行综合评价，而是进行系统分析。例如在一个系统中可能会有很多的因素对这个系统的发展产生影响，灰色关联分析就是确定各个因素对系统影响的重要程度。灰色关联度分析法的基本思想是根据曲线的相似程
数学建模学习：灰色关联分析
m0_64319570的博客
06-07 9903
数学建模学习
灰色关联分析法——系统分析或综合评价模型
Sup星月★然的博客
01-14 5664
灰色关联分析在数学建模以及数据分析中也是一种较为常用的方法，可用于进行系统分析或进行综合评价，本文主要介绍了灰色关联分析的原理和步骤，以及在实际案例当中如何应用求解。
灰色关联分析法 评分
09-10
灰色关联分析法是一种用于研究因素之间关联程度的方法。它通过对一组因素进行量化，并计算它们之间的关联度，从而评估它们对某个目标变量的影响程度。 在灰色关联分析中，首先需要确定一个主要因素（即目标变量），然后选择若干个相关的次要因素。接下来，对所有因素进行标准化处理，将其转化为无量纲指标，以消除量纲和单位的影响。然后，通过计算各个因素与主要因素之间的关联度，确定它们对主要因素的贡献程度。 关联度的计算可以使用灰色关联度模型，其中包括灰色关联度计算公式和灰色关联度的范围划分。通过比较不同因素的关联度值，可以确定它们对目标变量的重要性排序。 最后，通过对各个因素进行加权求和，得到各个因素对目标变量的综合评分，从而进行评价和决策。 总结来说，灰色关联分析法可以帮助我们评估各个因素对目标变量的影响程度，并进行综合评分和排序，从而提供决策支持和参考。
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值