如何在网站上推广自己的链接,android开发工具哪个好,wordpress 开源插件,遂宁门户网站建设先进工作单位文章目录 一、起因二、代码展示 一、起因
我本科的数学建模队长找上我#xff0c;让我帮她写下matlab代码#xff0c;当然用的模型还是曾经打比赛的模型#xff0c;所以虽然代码量多#xff0c;但是写的很快#xff0c;也是正逢中秋#xff0c;有点时间。 当然我也没想到… 文章目录 一、起因二、代码展示 一、起因
我本科的数学建模队长找上我让我帮她写下matlab代码当然用的模型还是曾经打比赛的模型所以虽然代码量多但是写的很快也是正逢中秋有点时间。 当然我也没想到研一刚开学这论文就这么水灵灵的要发出来了队长的实力还是遥遥领先啊在这里祝她们的论文一次见刊
二、代码展示 差不多有460行代码这样 %% 获取数据
[num,txt,raw] xlsread(C:\Users\19468\Desktop\zhibiao1.xlsx,1);%% 标准化MIN min(num); %各指标的最大值
MAX max(num); %各指标的最小值
NUM_B []; %保存标准化后的数据
for i 1:size(num,1) % 运行31个省份for j 1:size(num,2) % 1个省份的23个数据NUM_B(i,j) (num(i,j)-MIN(j))/(MAX(j) - MIN(j));end
end%% 对个别指标正向化
% 对指标在第510111314、22列进行正向化
Z [5,10,11,13,14,22]; % 保存正向化列数
NUM_B_Z NUM_B; % 存放标准化正向化后的数据
for i 1:size(num,1) % 运行31个省份for j1:size(Z,2) % 5列数据NUM_B_Z(i,Z(j)) 1 - NUM_B(i,Z(j));end
end%% 对二级指标进行熵权TOPSIS保留各省份各一级指标的数据
TOP_one [1,2,3,4,5]; % 第一个一级指标
TOP_two [6,7,8]; % 第二个一级指标
TOP_three [9,10,11,12,13]; % 第三个一级指标
TOP_four [14,15]; % 第四个一级指标
TOP_five [16,17,18,19]; % 第五个一级指标
TOP_six [20,21,22,23]; % 第六个一级指标TOP_one_data NUM_B_Z(:,1:5); % 第一个一级指标的数据
TOP_two_data NUM_B_Z(:,6:8); % 第二个一级指标的数据
TOP_three_data NUM_B_Z(:,9:13); % 第三个一级指标的数据
TOP_four_data NUM_B_Z(:,14:15); % 第四个一级指标的数据
TOP_five_data NUM_B_Z(:,16:19); % 第五个一级指标的数据
TOP_six_data NUM_B_Z(:,20:23); % 第六个一级指标的数据% NUM_B_Z_W(:,:,1) TOP_one_data;
% NUM_B_Z_W(:,:,2) TOP_two_data;
% NUM_B_Z_W(:,:,3) TOP_three_data;
% NUM_B_Z_W(:,:,4) TOP_four_data;
% NUM_B_Z_W(:,:,5) TOP_five_data;% 熵权法TOPSIS
% 指标一
Z TOP_one_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_one_data);
D_max max(TOP_one_data);zonghedefen_one 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_one_data(i,1)-D_max(1))^2 W(2)*(TOP_one_data(i,2)-D_max(2))^2 ...W(3)*(TOP_one_data(i,3)-D_max(3))^2 W(4)*(TOP_one_data(i,4)-D_max(4))^2 ...W(5)*(TOP_one_data(i,5)-D_max(5))^2);D_jian sqrt(W(1)*(TOP_one_data(i,1)-D_min(1))^2 W(2)*(TOP_one_data(i,2)-D_min(2))^2 ...W(3)*(TOP_one_data(i,3)-D_min(1))^2 W(4)*(TOP_one_data(i,4)-D_min(2))^2 ...W(5)*(TOP_one_data(i,5)-D_min(1))^2);zonghedefen_one(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_one zonghedefen_one; % 指标二
Z TOP_two_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_two_data);
D_max max(TOP_two_data);zonghedefen_two 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_two_data(i,1)-D_max(1))^2 W(2)*(TOP_two_data(i,2)-D_max(2))^2 ...W(3)*(TOP_two_data(i,3)-D_max(3))^2);D_jian sqrt(W(1)*(TOP_two_data(i,1)-D_min(1))^2 W(2)*(TOP_two_data(i,2)-D_min(2))^2 ...W(3)*(TOP_two_data(i,3)-D_min(1))^2);zonghedefen_two(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_two zonghedefen_two; % 指标三
Z TOP_three_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_three_data);
D_max max(TOP_three_data);zonghedefen_three 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_three_data(i,1)-D_max(1))^2 W(2)*(TOP_three_data(i,2)-D_max(2))^2 ...W(3)*(TOP_three_data(i,3)-D_max(3))^2 W(4)*(TOP_three_data(i,4)-D_max(4))^2 ...W(5)*(TOP_three_data(i,5)-D_max(5))^2);D_jian sqrt(W(1)*(TOP_three_data(i,1)-D_min(1))^2 W(2)*(TOP_three_data(i,2)-D_min(2))^2 ...W(3)*(TOP_three_data(i,3)-D_min(3))^2 W(4)*(TOP_three_data(i,4)-D_min(4))^2 ...W(5)*(TOP_three_data(i,5)-D_min(5))^2);zonghedefen_three(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_three zonghedefen_three;% 指标四
Z TOP_four_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_four_data);
D_max max(TOP_four_data);zonghedefen_four 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_four_data(i,1)-D_max(1))^2 W(2)*(TOP_four_data(i,2)-D_max(2))^2);D_jian sqrt(W(1)*(TOP_four_data(i,1)-D_min(1))^2 W(2)*(TOP_four_data(i,2)-D_min(2))^2);zonghedefen_four(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_four zonghedefen_four; % 指标五
Z TOP_five_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_five_data);
D_max max(TOP_five_data);zonghedefen_five 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_five_data(i,1)-D_max(1))^2 W(2)*(TOP_five_data(i,2)-D_max(2))^2 ...W(3)*(TOP_five_data(i,3)-D_max(3))^2 W(4)*(TOP_five_data(i,4)-D_max(4))^2);D_jian sqrt(W(1)*(TOP_five_data(i,1)-D_min(1))^2 W(2)*(TOP_five_data(i,2)-D_min(2))^2 ...W(3)*(TOP_five_data(i,3)-D_min(3))^2 W(4)*(TOP_five_data(i,4)-D_min(4))^2);zonghedefen_five(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_five zonghedefen_five; % 指标六
Z TOP_six_data;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e; % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(TOP_six_data);
D_max max(TOP_six_data);zonghedefen_six 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(TOP_six_data(i,1)-D_max(1))^2 W(2)*(TOP_six_data(i,2)-D_max(2))^2 ...W(3)*(TOP_six_data(i,3)-D_max(3))^2 W(4)*(TOP_six_data(i,4)-D_max(4))^2);D_jian sqrt(W(1)*(TOP_six_data(i,1)-D_min(1))^2 W(2)*(TOP_six_data(i,2)-D_min(2))^2 ...W(3)*(TOP_six_data(i,3)-D_min(3))^2 W(4)*(TOP_six_data(i,4)-D_min(4))^2);zonghedefen_six(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_six zonghedefen_six;%% 数据整合
zonghedefen [zonghedefen_one,zonghedefen_two,zonghedefen_three,zonghedefen_four,zonghedefen_five,zonghedefen_six];
% xlswrite(C:\Users\19468\Desktop\writing_two.xlsx,zonghedefen);%% 对一级指标熵权TOPSIS保留各一级指标的熵值信息效用值以及权重以及最终得分
Z zonghedefen;
[n,m] size(Z);
D zeros(1,m); % 初始化保存信息效用值的行向量
for i 1:mx Z(:,i); % 取出第i列的指标p x / sum(x);% 注意p有可能为0此时计算ln(p)*p时Matlab会返回NaN所以要判断n length(p); % 向量的长度lnp zeros(n,1); % 初始化最后的结果for j 1:n % 开始循环if p(j) 0 % 如果第i个元素为0lnp(j) 0; % 那么返回的第i个结果也为0elselnp(j) log(p(j));endend%到这里结束e(i) -sum(p .* lnp) / log(n); % 计算信息熵D(i) 1- e(i); % 计算信息效用值
end
W D ./ sum(D); % 将信息效用值归一化得到权重
WD_min min(zonghedefen);
D_max max(zonghedefen);zonghedefen_last 1:31; %生成记录点
for i 1:31%利用C D-/((D-)(D))topsis模型与熵权进行结合D_jia sqrt(W(1)*(zonghedefen(i,1)-D_max(1))^2 W(2)*(zonghedefen(i,2)-D_max(2))^2 ...W(3)*(zonghedefen(i,3)-D_max(3))^2 W(4)*(zonghedefen(i,4)-D_max(4))^2 ...W(5)*(zonghedefen(i,5)-D_max(5))^2 W(6)*(zonghedefen(i,6)-D_max(6))^2);D_jian sqrt(W(1)*(zonghedefen(i,1)-D_min(1))^2 W(2)*(zonghedefen(i,2)-D_min(2))^2 ...W(3)*(zonghedefen(i,3)-D_min(3))^2 W(4)*(zonghedefen(i,4)-D_min(4))^2 ...W(5)*(zonghedefen(i,5)-D_min(5))^2 W(6)*(zonghedefen(i,6)-D_min(6))^2);zonghedefen_last(i) D_jian/(D_jiaD_jian); % 一次就是产生31个数据
endzonghedefen_last zonghedefen_last;
e e;
D D;
W W;%% 肘部法制聚类一级
[n, p] size(zonghedefen_last);
K 8;
D zeros(K, 2);
for k 2:K[label, c, sumd, d] kmeans(zonghedefen_last, k, dist, sqeuclidean);% datan×p原始数据向量% labeln×1向量聚类结果标签% ck×p向量k个聚类质心的位置% sumdk×1向量类间所有点与该类质心点距离之和% dn×k向量每个点与聚类质心的距离sse1 sum(sumd.^2);D(k, 1) k;D(k, 2) sse1;
end
% 绘制聚类偏差图
plot(D(2:end, 1), D(2:end, 2), o-);
title(不同K值聚类偏差图)
xlabel(分类数(K值))
ylabel(簇内误差平方和)%% 肘部法制聚类二级
[n, p] size(zonghedefen);
K 8;
D zeros(K, 2);
for k 2:K[label, c, sumd, d] kmeans(zonghedefen, k, dist, sqeuclidean);% datan×p原始数据向量% labeln×1向量聚类结果标签% ck×p向量k个聚类质心的位置% sumdk×1向量类间所有点与该类质心点距离之和% dn×k向量每个点与聚类质心的距离sse1 sum(sumd.^2);D(k, 1) k;D(k, 2) sse1;
end
% 绘制聚类偏差图
plot(D(2:end, 1), D(2:end, 2), o-);
title(不同K值聚类偏差图)
xlabel(分类数(K值))
ylabel(簇内误差平方和)%% 系统聚类一级
% 执行系统聚类
Z linkage(zonghedefen_last, ward);% 绘制树状图
figure;
dendrogram(Z);
title(Hierarchical Clustering Dendrogram);% 如果你想要裁剪树状图以显示特定数量的聚类可以使用以下代码
% 例如我们想要将数据聚类为4个类别
k 4;
figure;
dendrogram(Z, k);
title([Hierarchical Clustering Dendrogram with , num2str(k), clusters]);% 裁剪树状图并获取聚类索引
idx cluster(Z, maxclust, k);% 绘制裁剪后的聚类结果
figure;
gscatter(zonghedefen_last(:,1), idx);
title([Hierarchical Clustering with , num2str(k), clusters]);
xlabel(Feature 1);
ylabel(Feature 2);
legend(Location, best);%% 系统聚类二级% % 执行系统聚类
% Z linkage(zonghedefen, ward);
%
% % 绘制树状图
% figure;
% dendrogram(Z);
% title(Hierarchical Clustering Dendrogram);
%
% % 如果你想要裁剪树状图以显示特定数量的聚类可以使用以下代码
% % 例如我们想要将数据聚类为4个类别
% k 4;
% figure;
% dendrogram(Z, k);
% title([Hierarchical Clustering Dendrogram with , num2str(k), clusters]);
%
% % 裁剪树状图并获取聚类索引
% idx cluster(Z, maxclust, k);
%
% % 绘制裁剪后的聚类结果
% figure;
% gscatter(zonghedefen(:,1),zonghedefen(:,2),zonghedefen(:,3),zonghedefen(:,4),zonghedefen(:,5),zonghedefen(:,6), idx);
% title([Hierarchical Clustering with , num2str(k), clusters]);
% xlabel(Feature 1);
% ylabel(Feature 2);
% legend(Location, best);
