利用灰色关联度对10名学生进行评价排序。
灰色关联分析的具体步骤如下。
1 .比较对象(评价对象)和参考数列)评价基准)这里评价对象的个数为m=10，评价指标变量有8个
数列在这里是第I个评价对象的第k个指标变量的可取值。
参考数列这里=100， 参考数列是作为评价对象最多的各指标的中值。
2 .由于指标数据无量纲化(归一化处理)系统中各要素的物理含义不同，数据维数也不一定相同，比较起来不容易，比较时也很难得出正确的结论。 因此，在进行灰色关联分析时，一般要进行无量纲化的数据处理。
3 .对于每个被评价对象指标序列(比较序列)，是与参照序列所对应的要素的绝对差分值
4 .计算灰色关联系数
照片是引用了其他地方的。
为了比较数列相对于参考数列在第k个指标上的相关系数，其中分辨率系数、分别为2个阶段的最小极差，2个阶段的最大极差。
一般来说，分辨率系数越大，分辨率就越大；分辨率越小，分辨率就越小。
5 .灰色关联度计算灰色关联度的公式为
这里是第k个指标变量的权重，这里取等权重即1/m=1/8。 是第I个评价对象对理想对象的灰色关联度。
6 .评价分析根据灰色关联度的大小，对各个评价对象进行排序，可以对评价对象进行关联排序，关联度越大，评价结果越好。
clc，clear4a=textread('data101.txt )； t=Ones(size(a ) *100-a； %参照序列与各序列之差mmin=min(min(t )； %计算最小差mmax=max(max(t )； %计算最大差rho=0.5； 计算%分辨率系数xs=(mminrho*mmax )./(t rho*mmax ) %灰色相关系数GD=mean ) xs，2 ) %取等权重，相关度(SGD，inD2 )=Sort ) GGT 要计算' descend '的GD ) ) %将相关系数和相关度写入Excel文件，并写入表importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplta=PD.read type(a ) a ) ) m，n=a.shapet=NP.ones ) ) m，n ) ) 100-a )计算差print(t ) mmin=min ) ) NP.min axis=0) (#计算最大mmax ) rho=0.5 # )分辨率系数xs=) mminrho*mmax )/)/(t rho*mmax ) print ) xs ) GD=NP.mean ) ) )1) # print )