灰色关联度和主成分分析哪个方法比较好
灰色关联度方法计算出的指标权重区分度不高如何改善 可以试试改变分辨系数的值 。灰色关联度方法计算出的指标权重区分度不高如何改善？查看问题描述 ？ 。
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
灰色关联度法的计算步骤 灰色系统关2113联分析的具体计算步骤5261如下：（1）确定反映系统行为特征的参考数列和4102影响系统行1653为的比较数列反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。（2）对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。（3）求参考数列与比较数列的灰色关联系数ξ（Xi）所谓关联程度，实质上是曲线间几何形状的差别程度。因此曲线间差值大小，可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1，X2，…，Xn，各比较数列与参考数列在各个时刻（即曲线中的各点）的关联系数ξ（Xi）可由下列公式算出：其中 ζ为分辨系数，0<；ζ。是第二级最小差，记为Δmin。是两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式：（4）求关联度ri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，。
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。。
现在想做关于满意度的灰色关联分析，有13个指标，应该怎么确定参考数列？随便指定吗？ 确定参考数据列作为理想的比较标准，通常可以以各度量标准的最优值（或最劣值）构成参考数据列
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)))./。
求解灰色关联分析及详细过程，求关联系数L和关联度R，实在是头都大了！ 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。2具体计算步骤编辑（1）确定反映系统行为特征的参考数列和影响系统行为的比较数列反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。（2）对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。（3）求参考数列与比较数列的灰色关联系数ξ（Xi）所谓关联程度，实质上是曲线间几何形状的差别程度。因此曲线间差值大小，可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1，X2，…，Xn，各比较数列与参考数列在各个时刻（即曲线中的各点）的关联系数ξ（Xi）可由下列公式算出：其中 ρ为分辨系数，一般在0~1之间，通常取0.5。是第二级最小差，记为Δmin。是两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线。
