2 灰色系统 - 关联度分析法-数据变换_灰色关联度初值化好还是均值化-CSDN博客

本文链接：https://blog.csdn.net/weixin_44231148/article/details/120046823

灰色系统 - 关联度分析法-数据变换

在现实中，我们常常遇到多变量问题，对变量因素进行分析，哪些变量是主要的，哪些变量是次要的。例如，小明在各个学科所花费的时间和总成绩之间的关系，需要研究小明应该如何规划在各科学习时间，才有助于提高总成绩，实际上我们需要分析各科所花费时间（变量）哪些是主要的，哪些是次要的。我们可以采用回归分析，但是回归分析需要有大量的样本数据，计算量大，扩展性不高。而在灰色系统中，采用关联度分析法。

原始数据处理的必要性

关联度分析法首先要解决的原始数据处理的问题。怎么说呢？在做关联度分析法，首先要保证所有数据是无量纲的，并且数据是可以比较的（相差不大）。例如，对于身高序列和体重序列，两个序列的单位都不统一，而且如果身高采用km，体重采用g，二者序列的数据变化太大。因此在做关联度分析法，首先将原始数据进行处理，变为无量纲，可比较的。这个可比较实际可以看做归一化的过程。

数据变换

数据变换的技术很多，应该根据实际的问题进行选择。数据变换的基本定义（实际就是函数定义）：
假设序列：
$x = (x (1), x (2), . . ., x (x))$

则映射：
$f : x - > y$

$f (x (k)) = y (k), k = 1, 2, 3, . . ., n$

称为序列 x 到序列 y 的数据变换

常用的数据变换

1. 初值化变换

$f(x(k))=\frac{x(k)}{x(1)}=y(k),k=1,2,3,...,n \quad \quad x(1)\neq0$

2. 均值化变换

$f(x(k))=\frac{x(k)}{\bar x}=y(k),k=1,2,3,...,n \quad \bar x \neq0 \quad \bar x =\frac{1}{n}\sum_{k=1}^nx(k)$

3. 百分比变换

$f(x(k))=\frac{x(k)}{\max \limits_{k} x(k)}=y(k),k=1,2,3,...,n \quad \quad \max \limits_{k} x(k) \neq0$

4. 倍数变换

$f(x(k))=\frac{x(k)}{\min \limits_{k} x(k)}=y(k),k=1,2,3,...,n \quad \quad \min \limits_{k} x(k) \neq0$

5. 归一化变换

$f(x(k))=\frac{x(k)}{x_{0}}=y(k),k=1,2,3,...,n \quad \quad x_{0}>0$

6. 极差最大值化变换

$f(x(k))=\frac{x(k)- \min \limits_{k} x(k) }{\max \limits_{k} x(k)}=y(k),k=1,2,3,...,n \quad \quad \max \limits_{k} x(k) \neq0$

7. 区间值化变换

$f(x(k))=\frac{x(k)- \min \limits_{k} x(k) }{\max \limits_{k} x(k)-\min \limits_{k} x(k)}=y(k),k=1,2,3,...,n \quad \quad \max \limits_{k} x(k)-\min \limits_{k} x(k) \neq0$