灰色关联分析法 C++代码
时间: 2024-05-06 07:17:57 浏览: 12
灰色关联分析法是一种用于探索变量之间关联关系的方法,可以用于预测和决策分析。下面是一个简单的用C++实现的灰色关联分析算法:
```c++
#include <iostream>
#include <cmath>
using namespace std;
const int MAXN = 100;
double x[MAXN], y[MAXN]; // 输入的原始数据
double x0[MAXN], y0[MAXN]; // 归一化后的数据
double x_max, x_min, y_max, y_min; // 归一化最大值最小值
double w[MAXN][MAXN]; // 灰色关联矩阵
// 归一化函数
void normalize(int n) {
x_max = y_max = -1e10;
x_min = y_min = 1e10;
for (int i = 0; i < n; i++) {
x_max = max(x_max, x[i]);
x_min = min(x_min, x[i]);
y_max = max(y_max, y[i]);
y_min = min(y_min, y[i]);
}
for (int i = 0; i < n; i++) {
x0[i] = (x_max - x[i]) / (x_max - x_min);
y0[i] = (y_max - y[i]) / (y_max - y_min);
}
}
// 灰色关联度计算函数
double grey_relation(int i, int j, int n, double a) {
double sum1 = 0, sum2 = 0, sum3 = 0, sum4 = 0;
for (int k = 0; k < n; k++) {
sum1 += pow(fabs(x0[i] - x0[k]), a) * pow(fabs(y0[j] - y0[k]), a);
sum2 += pow(fabs(x0[i] - x0[k]), a);
sum3 += pow(fabs(y0[j] - y0[k]), a);
sum4 += pow(fabs(x0[k] - y0[k]), a);
}
return (sum1 / n) / (pow(sum2 / n, a / 2) * pow(sum3 / n, a / 2) + 1e-10);
}
int main() {
int n; // 数据个数
double a; // 灰色关联度计算时的指数
cin >> n >> a;
for (int i = 0; i < n; i++) {
cin >> x[i] >> y[i];
}
normalize(n); // 归一化数据
for (int i = 0; i < n; i++) {
for (int j = 0; j < n; j++) {
w[i][j] = grey_relation(i, j, n, a); // 计算灰色关联度
cout << w[i][j] << " ";
}
cout << endl;
}
return 0;
}
```
在代码中,我们首先将输入的原始数据进行归一化处理,然后根据灰色关联度计算公式计算灰色关联矩阵。其中,灰色关联度计算时的指数a决定了关联度的计算精度,一般取值为[0,1]之间的小数。在本代码中,我们通过输入的方式获取数据个数n和指数a,然后依次输入每个数据的x和y值。最后输出计算得到的灰色关联矩阵。
需要注意的是,在计算灰色关联度时,为了防止分母为0,我们在分母上加了一个很小的数1e-10。