谁能告诉我灰色关联度法有什么缺点？ 要求需要对各项指标的最优值进行现行确定，主观性过强，同时部分指标最优值难以确定
灰色关联度的
灰色关联度分析法适用于什么数据 灰色关联度分析法是一种多因素统计分析方法，它是以各因素的样本数据为依据用灰色关联度来描述因素间关系的强弱、大小和次序，若样本数据反映出的两因素变化的态势(方向、大小和速度等)基本一致，则它们之间的关联度较大。反之，关联度较小。此方法的优点在于思路明晰，可以在很大程度上减少由于信息不对称带来的损失，并且对数据要求较低，工作量较少；其主要缺点在于要求需要对各项指标的最优值进行现行确定，主观性过强，同时部分指标最优值难以确定。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。扩展资料：灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。
dps灰色关联分析方法和灰色预测方法的应用，灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特征的数据序列所进行的几何比较。。
灰色关联度法的应用 灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素)之间的数值关系。简言之，灰色关联度法的意义是指在系统发展过程中，如果两个因素变化的态势是一致的，即同步变化程度较高，则可以认为两者关联较大；反之，则两者关联度较小。因此，灰色关联度法对于一个系统发展变化态势提供了量化的度量，非常适合动态(Dynamic)的历程分析。灰色关联度可分成“局部性灰色关联度”与“整体性灰色关联度”两类。主要的差别在于局部性灰色关联度有一参考序列，而整体性灰色关联度是任一序列均可为参考序列。关联度分析是基于灰色系统的灰色过程，进行因素间时间序列的比较来确定哪些是影响大的主导因素，是一种动态过程的研究。
灰色关联度法的定义 对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。因此，灰色关联法，是根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，作为衡量因素间关联程度的一种方法。
谁能告诉我灰色关联度法有什么缺点？ 需要对各项指标的最优值进行现行确定，主观性过强，同时部分指标最优值难以确定
灰色关联度算法求教 灰色关联度算法这个在书上有很明确的实例和说明，我直接拍照吧：
怎样用matlab做灰色关联度分析方法 function f=grayrelated(X，Y)这里X是标准化后的参考序列，Y是评价矩阵Y=71.8 90.1 0.57 0.45 051 40.2 0.38 0.55 10.552 25 0.22 0.52 1268 90 0.38 0.38 2128 40 0.32 0.3 18.551 45 0.15 0.3 576 95 0.7 0.55 1287 95 0.7 0.5 9.876 90 0.57 0.5 1150 35 0.32 0.35 2068 90 0.57 0.35 18.582 95 0.7 0.35 0100 200 1 1 097.5 180 0.94 0.95 1.395 160 0.88 0.9 2.586.3 105 0.68 0.75 6.382.5 90 0.6 0.7 7.578.8 75 0.53 0.65 8.875 60 0.45 0.7 7.568.8 52.5 0.41 0.55 13.862.5 45 0.38 0.5 17.556.3 37.5 0.34 0.45 21.343.8 26.3 0.28 0.35 50.650 30 0.3 0.4 2537.5 22.5 0.25 0.3 7531.3 18.8 0.23 0.25 10018.8 11.3 0.15 0.15 168.825 15 0.2 0.2 12512.5 7.5 0.1 0.1 212.56.3 0.8 0.05 0.05 256.3输入评价矩阵YX=[1 1 1 1 1]；X为参考序列，均为1，个数就是指标个数，情形不同要修改个数Len=size(Y，2)；取Y矩阵的列数，也就是指标的个数Wen=size(Y，1)；取行数，就是目标个数for i=1：LenY(：，i)=(Y(：，i)-mean(Y(：，i)))/sqrt(var(Y(：，i)))；将Y矩阵用统计方法标准化标准化，endfor i=1：Len-1S(：，i)=(Y(：，i)-min(Y(：，i)))./。
