灰色关联分析模型
现有的灰关联分析模型大多都是针对一维序列的。其中以邓氏灰关联分析模型和广义灰关联分析模型最为常见。在此基础上,有学者对邓氏灰关联度进行了改进,提出了一种三维灰关联分析模型,拓宽了灰关联分析模型的应用范围。本章对常见的一维灰关联分析模型、三维灰关联分析模型以及灰色关联聚类方法的基本原理和计算步骤进行了介绍。
1 灰色关联分析模型
- 一维灰关联分析模型
灰色关联聚类可以更好地对事物进行区别对待,所得序列间的灰关联度可以明确的显示出各观测因子间的差异。灰关联分析模型作为灰色关联聚类方法的核心,主要根据序列曲线的几何形状来判断量序列之间的相近性。若曲线越相近,则灰关联度越大,序列越相似。常见的灰关联分析模型包括邓氏灰关联度和广义灰关联度。
1. 邓氏灰关联度
邓氏灰关联分析模型通过比较序列几何曲线之间距离的相近性来判断其相似性,序列间距离越短,则关联度越大,序列越相似。灰关联分析模型在分析观测系统之前,首先需要选取反映系统行为特征的数据序列,即系统行为的映射量。
定义 2.1.1 序列作用算子
![08e327db36c153967c969e4c876f537d.png](https://i-blog.csdnimg.cn/blog_migrate/7ac2f659528fcae78d491fdb51b1ab0e.png)
![21af3cdd025f2e20b40af42fa309a925.png](https://i-blog.csdnimg.cn/blog_migrate/c90333da08fe022351f620d7f54a0960.png)
定义 2.1.2 邓氏灰关联度
![dadd7db02674669ee04a26f9e9a036f7.png](https://i-blog.csdnimg.cn/blog_migrate/98da95e849f6f66037fd6f7480c78c16.png)
![9242b778d38f4921c6074a4b9f7be548.png](https://i-blog.csdnimg.cn/blog_migrate/6d897b9ad74a763dc6ebf93e5a1daa5a.png)
(2.1)
其中,
![771aeb53eb5debcbfac86bdbb8a61784.png](https://i-blog.csdnimg.cn/blog_migrate/f1cddc66ee98764621e4486ac7e3d007.png)
(2.2)
![25a67317d89a28b4dc2fb9615394ac0f.png](https://i-blog.csdnimg.cn/blog_migrate/757b997e1d1357231a5264499bc337db.png)
定义 2.1.3 灰色关联四公理
![5b31fc025ce869a0adc8f54f06474c52.png](https://i-blog.csdnimg.cn/blog_migrate/e74bebaefc747831ae776acb480d0048.png)
![4b1f06e9c83da8ace1862401a771c9ad.png](https://i-blog.csdnimg.cn/blog_migrate/01f7d30a45afdc9e5b6b0957b8080d58.png)