Matlab计算熵权（包含矩阵正向化与标准化）

计算熵权全代码：

w=[0,0,0,0,0,0,0];

[n,m] = size(X);

disp(['共有' num2str(n) '个评价对象, ' num2str(m) '个评价指标'])

Judge = input(['这' num2str(m) '个指标是否需要经过正向化处理，需要请输入1 ，不需要输入0： ']);

if Judge == 1

Position = input('请输入需要正向化处理的指标所在的列，例如第2、3、6三列需要处理，那么你需要输入[2,3,6]： ');

disp('请输入需要处理的这些列的指标类型（1：极小型， 2：中间型， 3：区间型） ')

Type = input('例如：第2列是极小型，第3列是区间型，第6列是中间型，就输入[1,3,2]： ');

% 注意，Position和Type是两个同维度的行向量

for i = 1 : size(Position,2) %这里需要对这些列分别处理，因此我们需要知道一共要处理的次数，即循环的次数

X(:,Position(i)) = Positivization(X(:,Position(i)),Type(i),Position(i));

% Positivization是我们自己定义的函数，其作用是进行正向化，其一共接收三个参数

% 第一个参数是要正向化处理的那一列向量 X(:,Position(i)) 回顾上一讲的知识，X(:,n)表示取第n列的全部元素

% 第二个参数是对应的这一列的指标类型（1：极小型， 2：中间型， 3：区间型）

% 第三个参数是告诉函数我们正在处理的是原始矩阵中的哪一列

% 该函数有一个返回值，它返回正向化之后的指标，我们可以将其直接赋值给我们原始要处理的那一列向量

end

disp('正向化后的矩阵 X = ')

disp(X)

end

涉及到两个函数：

function [W] = Entropy_Method(Z)

[n,m] = size(Z);

D = zeros(1,m);

for i = 1:m

x = Z(:,i);

p = x / sum(x);

e = -sum(p .* mylog(p)) / log(n);

D(i) = 1- e;

end

W = D ./ sum(D); %结果

end

function [lnp] = mylog(p)

n = length(p); % 向量的长度

lnp = zeros(n,1); % 初始化最后的结果

for i = 1:n % 开始循环

if p(i) == 0 % 如果第i个元素为0

lnp(i) = 0; % 那么返回的第i个结果也为0

else

lnp(i) = log(p(i));

end

end