赞
踩
clc
%新建矩阵R
R=[0 1 0.8333 1 0.4;0.4167 0.6 1 0 0;1 0 0 0.5 1; 0.6667 0.4 0.667 0.5 0.8]
%%归一化
[i,j]=size®% 输入矩阵的大小,i为对象个数,j为指标个数
n=i,m=j
k=1/log(i) % 求k
Rmin = min®
R1=Rmin
Rmax = max®
R2=Rmax
A = max® - min®
%正向指标
y =repmat(A,4,1)%repmat(A,a,1) a需要根据矩阵自行修改 等于备选个数
y2=repmat(Rmin,4,1)%repmat(Rmin,a,1) a需要根据矩阵自行修改 等于备选个数
y3=1./y
x=(R-y2).*y3
%%求各指标的信息熵
S1=sum(x)
S2=repmat(sum(x),4,1)%repmat(sum(x),a,1) a需要根据矩阵自行修改 等于备选个数
pij=x./S2
lnpij=zeros(n,m);
for i=1:n
for j=1:m
if pij(i,j)==0
lnpij(i,j)=0;
else
lnpij(i,j)=log(pij(i,j))
end
end
end
ej=-k*(sum(pij.*lnpij,1)) %计算熵值,这个1没搞明白咋回事,盼解答
%%确定各指标权重
d=1-ej
weights=(1-ej)/(m-sum(ej))%计算权重
%以下是按原数据算综合得分
F=zeros(n,m);%保存结果,算出综合得分
for k=1:m
F(:,k)=weights(k)*R(:,k)
%按归一化后数据算综合得分
%F(:,k)=weights(k)*shang_datas(:,k)
end
F=sum(F,2)
weights=(1-ej)/(m-sum(ej))%计算权重
以上
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。