4 灰色系统 - 关联度分析法 例子 源代码

灰色系统 - 关联度分析法 例子 源代码

   前面说到关联系数和关联度，本次就具体举个例子，并附上源代码，求解关联系数。

例子

因素	$t_0$	$t_1$	$t_2$	$t_3$	$t_4$	$t_5$
$x_0$	1	1.3	1.7	2	2.2	2.5
$x_1$	0.1	0.13	0.15	0.18	0.3	0.32
$x_2$	100	120	180	160	140	200
$x_3$	1	1.32	1.7	2	2.2	2.5
$x_4$	250	220	200	160	140	100

   上面的这个例子，我们发现各个序列之间的数据差距太大了，所以首先采用数据变换技术（可以参考之前的博客），这里以初值化变化为例，对于$x=(x(1),x(2),...,x(n))$序列,初值化序列定义为：
x 1 = { 1 , x ( 2 ) x ( 1 ) , . . . x ( n ) x ( 1 ) } x^1 = \{ 1,\frac {x(2)}{x(1)},... \frac {x(n)}{x(1)} \} x1={1,x(1)x(2)​,...x(1)x(n)​}
   但是对于$x_4$，发现其实递减规律，和上面四个序列不同，因此，对于$x_4$采用不同的数据变换：
x 1 = { 1 , x ( 1 ) x ( 2 ) , . . . x ( 1 ) x ( n ) } x^1 = \{ 1,\frac {x(1)}{x(2)},... \frac {x(1)}{x(n)} \} x1={1,x(2)x(1)​,...x(n)x(1)​}

   对上面的原始数据进行处理，可以得到处理后的数据

因素	$t_0$	$t_1$	$t_2$	$t_3$	$t_4$	$t_5$
$x_0^1$	1	1.3	1.7	2	2.2	2.5
$x_1^1$	1	1.3	1.55	1.8	3	3.2
$x_2^1$	1	1.20	1.80	1.60	1.40	2.00
$x_3^1$	1	1.32	1.7	2	2.2	2.5
$x_4^1$	1	1.1364	1.25	1.5625	1.7857	2.5

   经过数据变换后，就感觉可以发现一些规律了，那么记下来就算算关联度，选取$x_0^1$为参考序列，关联度。

   比较序列$x_i$对参考序列$x_0$在 $k$ 时刻的关联系数定义为：
$${\zeta }_i(k)=\frac{\underset{s}{\min }\underset{t}{\min }|x_0(t)-x_s(t)|+\rho \underset{s}{\max }\underset{t}{\max }|x_0(t)-x_s(t)|}{|x_0(k)-x_i(k)|+\rho \underset{s}{\max }\underset{t}{\max }|x_0(t)-x_s(t)|}$$

   其中，分辨系数$\rho \in [0,1]$，分辨系数 $\rho$ 越大，分辨率越大； $\rho$ 越小，分辨率越小。 $\underset{s}{\min }\underset{t}{\min }|x_0(t)-x_s(t)|$为两级最小差，$\underset{s}{\max }\underset{t}{\max }|x_0(t)-x_s(t)|$为两级最大值。
   序列$x_i$ 对参考数列 $x_0$ 的关联度定义为：

$$r_i=\frac{1}{n}\sum _{k=1}^n{\zeta }_i(k)$$

   带入上述公式，得到各个序列相对于$x_0$关联度：

因素	$x_1$	$x_2$	$x_3$	$x_4$
关联度	0.9717	0.6463	0.9921	0.6915
排序	3	4	1	2

分析

   从结果上看，$x_3$和$x_0$的关联度最高，即二者最相似，$x_3$可以反映$x_0$的变化，这可以从原数据看出。$x_2$和$x_0$的关联度最高，原数据上这两个序列也是差距最大的。

源代码

clc;clear all;
data = [1 1.3 1.7 2	2.2	2.5
        0.1 0.13 0.15	0.18 0.3 0.32
        100 120 180 160 140 200
        1	1.32	1.7	2	2.2	2.5
        250 220 200 160 140 100];
% 数据变换    
 for i = 1:4
     data(i,:) = data(i,:)/data(i,1);
 end
data(5,:) = data(5,1)./data(5,:);

n=size(data,1);      % 总共序列数
x0=data(1,:);        % x0序列  
mum1=size(x0,1);     % 参考序列，这里只有一个
x_n=data(2:n,:);     % 比较序列
mum2=size(x_n,1);    % 比较序列个数
for i=1:mum1 
     for j=1:mum2 
        diffX(j,:)=x_n(j,:)-x0(i,:); 
     end 
     minmin=min(min(abs(diffX)));    % 两级最小差
     maxmax=max(max(abs(diffX)));    % 两级最大差
     rho=0.5; 
     Zeta=(minmin+rho*maxmax)./(abs(diffX)+rho*maxmax); 
     rt=sum(Zeta')/size(Zeta,2);    % 关联度
     rMax(i,:)=rt; 
end 
disp(['关联矩阵：'])
rMax 
[rs,rind] = sort(rMax,'descend')        %对关联度进行排序