topsis熵权法matlab数据

以下是使用Topsis熵权法进行数据分析的Matlab代码示例：

% 假设我们有一个数据矩阵X，其中每一行表示一个样本，每一列表示一个特征。
% 数据矩阵X：
X = [2.5 4.5 2.0 3.5;
     4.0 5.0 3.0 4.5;
     2.0 3.5 4.5 2.0;
     1.5 2.5 3.5 2.0;
     3.5 4.0 2.5 3.0];

% 对每个特征进行归一化处理，使得每个特征都在[0,1]范围内。
maxValues = max(X,[],1);
minValues = min(X,[],1);
X_norm = (X-repmat(minValues,size(X,1),1))./repmat(maxValues-minValues,size(X,1),1);

% 计算每个样本与理想解和负理想解之间的距离。
idealSolution = max(X_norm,[],1);
negativeIdealSolution = min(X_norm,[],1);
distanceToIdeal = sqrt(sum((X_norm-repmat(idealSolution,size(X_norm,1),1)).^2,2));
distanceToNegativeIdeal = sqrt(sum((X_norm-repmat(negativeIdealSolution,size(X_norm,1),1)).^2,2));

% 计算每个样本的综合得分，使用熵权法为每个特征赋予权重。
entropyWeight = entropyWeight(X_norm);
scores = distanceToNegativeIdeal./(distanceToIdeal+distanceToNegativeIdeal);
weightedScores = scores.*entropyWeight';

% 输出每个样本的综合得分。
weightedScores

其中，entropyWeight是一个自定义函数，用于计算每个特征的权重。代码如下：

function w = entropyWeight(X)
    % 计算信息熵
    p = X./repmat(sum(X),size(X,1),1);
    logp = log2(p);
    logp(isinf(logp)) = 0;
    entropy = -sum(p.*logp);
    
    % 计算熵权系数
    w = (1-entropy)./sum(1-entropy);
end

运行上述代码，即可得到每个样本的综合得分。