设置权重向量
W
=
[
ω
1
,
⋯
,
ω
n
]
W = [\omega_1,\cdots,\omega_n]
W=[ω1,⋯,ωn],其中
ω
k
(
k
=
1
,
2
,
3
,
⋯
,
n
)
\omega_k(k =1,2,3,\cdots,n)
ωk(k=1,2,3,⋯,n)为各个指标的权重。
计算灰色关联系数:
ξ
i
(
k
)
=
min
s
min
t
∣
x
0
(
t
)
−
x
s
(
t
)
∣
+
ρ
max
s
max
t
∣
x
0
(
t
)
−
x
s
(
t
)
∣
∣
x
0
(
t
)
−
x
i
(
t
)
∣
+
ρ
max
s
max
t
∣
x
0
(
t
)
−
x
s
(
t
)
∣
\xi_i(k) = \cfrac{\min \limits_{s}\min \limits_{t}|x_0(t)-x_s(t)|+\rho\max\limits_s\max\limits_t|x_0(t)-x_s(t)|}{|x_0(t)-x_i(t)|+\rho\max\limits_s\max\limits_t|x_0(t)-x_s(t)|}
ξi(k)=∣x0(t)−xi(t)∣+ρsmaxtmax∣x0(t)−xs(t)∣smintmin∣x0(t)−xs(t)∣+ρsmaxtmax∣x0(t)−xs(t)∣ 解释一下,上面这个式子表示的是评价对象的第
k
k
k个变量的灰色关联系数。上面这个
x
0
x_0
x0是参考对象的值和
x
s
x_s
xs是所有评价对象对象中的某一个值,那么如果我们采取0-1规范化数据后他俩差的最小值就是0,差的最大值就是1,
ρ
\rho
ρ就是一个比例系数,表示的是分辨率,
ρ
\rho
ρ越大,分辨率越高,数据之间的差异越明显。
就是用权重和每个评价对象最后算出的评价系数相乘,然后再求和,算出最后的指标值。
r
i
=
∑
k
=
1
n
ω
i
ξ
i
(
k
)
r_i = \sum\limits_{k=1}^n\omega_i\xi_i(k)
ri=k=1∑nωiξi(k)