5 灰色系统 - 关联度分析法 - 优势分析

灰色系统 - 关联度分析法 - 优势分析

关联度分析法回顾

   以$x_0$为参考序列
x 0 = { x 0 ( k ) ∣ k = 1 , 2 , . . . , n } = { x 0 ( 1 ) , x 0 ( 1 ) , . . . , x 0 ( n ) } x_0=\{ x_0(k) | k=1,2,...,n \}=\{ x_0(1),x_0(1) ,...,x_0(n) \} x0​={x0​(k)∣k=1,2,...,n}={x0​(1),x0​(1),...,x0​(n)}
   其中$k$表示时刻。定义m个比较序列
x i = { x i ( k ) ∣ k = 1 , 2 , . . . , n } = { x i ( 1 ) , x i ( 1 ) , . . . , x i ( n ) } i = 1 , 2 , 3.... m x_i=\{ x_i(k) | k=1,2,...,n \}=\{ x_i(1),x_i(1) ,...,x_i(n) \} \quad \quad i=1,2,3....m xi​={xi​(k)∣k=1,2,...,n}={xi​(1),xi​(1),...,xi​(n)}i=1,2,3....m

   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：
$${\zeta }_i(k)=\frac{\underset{s}{\min }\underset{t}{\min }|x_0(t)-x_s(t)|+\rho \underset{s}{\max }\underset{t}{\max }|x_0(t)-x_s(t)|}{|x_0(k)-x_i(k)|+\rho \underset{s}{\max }\underset{t}{\max }|x_0(t)-x_s(t)|}$$
   序列$x_i$ 对参考数列 $x_0$ 的关联度定义为：

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

优势分析

   之前的博客说到，关联度分析，并且举了实际的例子和源代码，但是只针对单个参考序列。但是在现实中，大多都是有多个参考序列，而且比较序列也不止一个。
   进一步分析多参考序列和多比较序列的情况，假设有$m$个参考序列，即$y(1),y(2),...,y(m)$，以及有$n$个比较序列，即$x(1),x(2),...,x(n)$。每个比较序列相对于每个参考序列有一个关联度，将可以所有关联度写成一个矩阵$R$。
   我们用$r_{ij}$表示序列$x_j$相对$y_i$的关联度，则矩阵$R=(r_{ij}{)}_{m\times n}$的第$i$行表示所有比较序列相对于参考序列$y_i$的关联度，第$j$列表示比较序列$x_j$相对于所有参考序列的关联度。
   有了关联矩阵$R$，我们就可以分析各个因素之间的关系，哪些是主要因素，哪些是次要因素。，当某一列元素大于其它列元素时，称此列所对应的子因素为优势子因素；若某一行元素均大于其它行元素时，称此行所对应的母元素为优势母元素。如果矩阵 R 的某个元素达到最大，则该行对应的母因素被认为是所有母因素中影响最大的。