關(guān)聯(lián)系數(shù)

色信息轉(zhuǎn)換為關(guān)聯(lián)系數(shù)來(lái)揭示變量之間的關(guān)聯(lián)度和影響程度[2]。該方法的數(shù)學(xué)模型包括以下步驟。首先，我們有一個(gè)原始數(shù)據(jù)序列X，通常情況下這些數(shù)據(jù)數(shù)量較少、不完整或不確定。然后，通過(guò)對(duì)原始數(shù)據(jù)序列進(jìn)行累加求和，得到累加生成序列Y。這個(gè)累加生成序列可以更好地反映數(shù)據(jù)的發(fā)展趨勢(shì)和變化模式。對(duì)于一個(gè)參考數(shù)列x0，有若干個(gè)比較數(shù)列x1，x2……xm，則可以計(jì)算各比較數(shù)列與參考數(shù)列在k時(shí)刻的關(guān)聯(lián)系數(shù)l0i(k)。通過(guò)對(duì)關(guān)聯(lián)系數(shù)進(jìn)行結(jié)合分析，對(duì)灰色關(guān)聯(lián)度進(jìn)行計(jì)算，式（2）為

的貼近程度的關(guān)聯(lián)系數(shù),比較分析關(guān)聯(lián)系數(shù),實(shí)現(xiàn)對(duì)灰色系統(tǒng)的判斷和預(yù)測(cè)。瀝青鋪面拌合場(chǎng)質(zhì)量狀態(tài)灰色模型評(píng)價(jià)方法可依據(jù)如下程序進(jìn)行[8-9]:1)構(gòu)建質(zhì)量評(píng)價(jià)的指標(biāo)體系和確定指標(biāo)權(quán)重;2)獲取指標(biāo)量化數(shù)據(jù),建立反映系統(tǒng)質(zhì)量行為特征的參考數(shù)列矩陣;3)確定影響系統(tǒng)質(zhì)量行為的比較數(shù)列矩陣,確定論證評(píng)價(jià)指標(biāo)的最底層最優(yōu)指標(biāo)集,根據(jù)指標(biāo)的屬性選擇最優(yōu)指標(biāo)集;4)對(duì)參考數(shù)列和比較數(shù)列進(jìn)行無(wú)量綱化處理;5)計(jì)算參考數(shù)列與比較數(shù)列的灰色關(guān)聯(lián)系數(shù),分析關(guān)聯(lián)特征;6)評(píng)價(jià)或預(yù)測(cè),

要提出了一種關(guān)聯(lián)系數(shù)定義下的沖突證據(jù)合成方法，通過(guò)修改原始證據(jù)對(duì)所有證據(jù)源進(jìn)行預(yù)處理.基于概率轉(zhuǎn)換，提出關(guān)聯(lián)系數(shù)來(lái)衡量證據(jù)間的關(guān)聯(lián)程度，該關(guān)聯(lián)系數(shù)能夠反映單元素子集和多元素子集之間的相互影響，并以此獲得可信度權(quán)重；同時(shí)，利用信度熵考察每條證據(jù)的信息量大小，以確定賦予其信息量權(quán)重.聯(lián)合關(guān)聯(lián)系數(shù)與信度熵作為權(quán)重因子，根據(jù)Shafer提出的證據(jù)折扣思想，利用權(quán)重因子代替折扣系數(shù)對(duì)原始證據(jù)進(jìn)行加權(quán)修正，最后利用Dempster融合規(guī)則完成融合.本文所提出的基于概率

聯(lián)度分析法?關(guān)聯(lián)系數(shù)?關(guān)聯(lián)度中圖分類(lèi)號(hào)：TQ223.1?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1672-3791（2022）07（b）-0000-00Preparation?of?C4?Olefins?by?Ethanol?Coupling?Based?on?Grey?Correlation?AnalysisLI?Sanjie1??HU?Yulin2??WANG?Taihang2（1.School?of?Statistics?and?Big?Data，?Zhengzh

桃仁、陳皮（關(guān)聯(lián)系數(shù)0.05601603），款冬花、牡丹皮（關(guān)聯(lián)系數(shù)0.05383277），半夏、牡丹皮（關(guān)聯(lián)系數(shù)0.05138218），款冬花、澤瀉（關(guān)聯(lián)系數(shù)0.04853776），半夏、澤瀉（關(guān)聯(lián)系數(shù)0.04633221），紫 蘇 子、 附 子（ 關(guān) 聯(lián) 系 數(shù)0.04546714）， 核桃 仁、 淫 羊 藿（ 關(guān) 聯(lián) 系 數(shù)0.04387802）， 款冬 花、 山 藥（ 關(guān) 聯(lián) 系 數(shù)0.04329613）， 核 桃仁、百合（關(guān)聯(lián)系數(shù)0.042178

猶豫模糊集的關(guān)聯(lián)系數(shù)，但并未考慮數(shù)據(jù)的負(fù)相關(guān)情況?？紤]到概率對(duì)偶猶豫模糊元的概率存在未知的情況，Garg等[11]基于最大熵原理提出了概率確定模型，然后與概率對(duì)偶猶豫模糊麥克勞林對(duì)稱(chēng)平均(PDHFMSM)算子結(jié)合建立多屬性決策模型。Ren等[12]提出了概率對(duì)偶猶豫模糊AHP方法，并基于VIKOR方法提出了概率對(duì)偶猶豫模糊多屬性決策模型。Liu等[13]對(duì)概率對(duì)偶猶豫模糊集進(jìn)行了拓展提出了區(qū)間概率對(duì)偶猶豫模糊集。以上文獻(xiàn)表明，概率對(duì)偶猶豫模糊多屬性決策問(wèn)題

5) 求灰色關(guān)聯(lián)系數(shù)式中：γ0i(k)——第k個(gè)對(duì)象比較數(shù)列與參考數(shù)列的關(guān)聯(lián)系數(shù)；δ*——分辨系數(shù)，取值范圍在[0，1]，通常取值0.5。6) 求灰色關(guān)聯(lián)度2 指標(biāo)選取和數(shù)據(jù)收集依據(jù)主導(dǎo)性原則、功能性原則、系統(tǒng)性原則、可行性原則，選取特征序列指標(biāo)與影響因素序列指標(biāo)。特征序列指標(biāo)是反映系統(tǒng)發(fā)展特征的數(shù)據(jù)指標(biāo)，本文借鑒文獻(xiàn)[16-19]的研究成果，選取農(nóng)業(yè)保險(xiǎn)保費(fèi)收入、農(nóng)業(yè)保險(xiǎn)賠款及給付、農(nóng)業(yè)從業(yè)人員人均農(nóng)業(yè)保險(xiǎn)費(fèi)額3個(gè)特征序列指標(biāo)。其中農(nóng)業(yè)保險(xiǎn)保費(fèi)收入代表農(nóng)

間的關(guān)聯(lián)度。關(guān)聯(lián)系數(shù)越大，說(shuō)明區(qū)域物流創(chuàng)新能力越強(qiáng)。2 安徽省區(qū)域物流創(chuàng)新能力評(píng)價(jià)實(shí)證分析2.1 安徽省區(qū)域物流創(chuàng)新能力評(píng)價(jià)指標(biāo)權(quán)重測(cè)度本文根據(jù)表1的相關(guān)指標(biāo)，獲取2011-2018年安徽省相關(guān)數(shù)據(jù)，利用熵權(quán)法計(jì)算各指標(biāo)的權(quán)重wi，如表2所列。表2 安徽省區(qū)域物流創(chuàng)新能力各指標(biāo)權(quán)重wi2.2 安徽省區(qū)域物流創(chuàng)新能力評(píng)價(jià)參考數(shù)列的選取為每個(gè)指標(biāo)的最優(yōu)值構(gòu)成的序列，依據(jù)灰色關(guān)聯(lián)法計(jì)算得出2011-2018年安徽省區(qū)域物流創(chuàng)新能力指標(biāo)與最優(yōu)序列之間的關(guān)聯(lián)系數(shù)ξi

價(jià)對(duì)象的灰色關(guān)聯(lián)系數(shù)：2.2 評(píng)價(jià)指標(biāo)體系構(gòu)建規(guī)上企業(yè)的創(chuàng)新能力從多方面體現(xiàn)，如企業(yè)對(duì)于R&D 資金、R&D 項(xiàng)目等資源的投入能力，以及資金、成果等的產(chǎn)出能力，另外在環(huán)境條件方面也有所體現(xiàn)，如企業(yè)擁有研發(fā)機(jī)構(gòu)的數(shù)量等. 參照已有相關(guān)文獻(xiàn)構(gòu)建的創(chuàng)新能力評(píng)價(jià)指標(biāo)體系，基于指標(biāo)選取的簡(jiǎn)單性、獨(dú)立性、代表性和可行性原則，同時(shí)兼顧中部六省的實(shí)際狀況與特點(diǎn)，從創(chuàng)新投入、創(chuàng)新產(chǎn)出和創(chuàng)新環(huán)境3個(gè)方面構(gòu)建中部六省規(guī)上企業(yè)創(chuàng)新能力評(píng)價(jià)指標(biāo)體系（表1）.表1 創(chuàng)新能力評(píng)價(jià)指標(biāo)體

與農(nóng)藝性狀的關(guān)聯(lián)系數(shù)大小依次為生育期＞有效穗數(shù)＞株高＞穗粒數(shù)＞千粒重，產(chǎn)量與生育期、有效穗數(shù)的關(guān)聯(lián)系數(shù)較與穗粒數(shù)、千粒重的關(guān)聯(lián)系數(shù)大，說(shuō)明有效穗數(shù)、生育期、株高對(duì)產(chǎn)量的貢獻(xiàn)大，在一定范圍內(nèi)選育生育期較長(zhǎng)和適當(dāng)增加株高可以提高產(chǎn)量。表2 產(chǎn)量與農(nóng)藝性狀的灰色關(guān)聯(lián)度分析由表3 可知， 產(chǎn)量與品質(zhì)性狀的關(guān)聯(lián)系數(shù)大小依次為吸水量＞濕面筋含量＞粗蛋白含量＞Zeleny 沉降值＞能量＞降落值＞穩(wěn)定時(shí)間，產(chǎn)量與吸水量、濕面筋含量、粗蛋白含量的關(guān)聯(lián)系數(shù)大，說(shuō)明采取相應(yīng)栽培

j個(gè)指標(biāo)上的關(guān)聯(lián)系數(shù)。記二者的關(guān)聯(lián)系數(shù)為ξi（j）（i=1，2，…，n；j=1，2，…，m），則其中ρ為分辨系數(shù)，一般地ρ∈（0，1），分辨系數(shù)ρ的取值與分辨率成反比，分辨系數(shù)越大，分辨率越低，分辨系數(shù)越小，分辨率越高，通常取ρ=0.5。最后計(jì)算比較數(shù)據(jù)列xi與參考數(shù)據(jù)列x0的灰色關(guān)聯(lián)度。記二者的灰色關(guān)聯(lián)度為ri，則ri的值越接近1，則比較數(shù)列與參考數(shù)列的變化趨勢(shì)越相似，比較數(shù)列對(duì)參考數(shù)列的影響越大。三、實(shí)證分析本文以2007—2019年河南省生產(chǎn)總值作為

的相關(guān)關(guān)系，關(guān)聯(lián)系數(shù)被引入到中智集領(lǐng)域中。Ye等[18]首先將關(guān)聯(lián)系數(shù)推廣到單值中智環(huán)境下，定義了單值中智集的關(guān)聯(lián)系數(shù)，而且提出一種單值中智多屬性決策方法。后來(lái)Ye[19]又提出了一種新的單值中智關(guān)聯(lián)系數(shù)。Sahin 等[20]基于區(qū)間猶豫模糊集的關(guān)聯(lián)系數(shù)[21]提出了多值中智集的關(guān)聯(lián)系數(shù)。Ye[22]提出了區(qū)間多值中智集的關(guān)聯(lián)系數(shù)。目前關(guān)于概率多值中智集的關(guān)聯(lián)系數(shù)的研究較少，因此，為了測(cè)量2 個(gè)概率多值中智集的平均程度、精確程度和信息完整程度之間的相關(guān)關(guān)

與s0的灰色關(guān)聯(lián)系數(shù)為：(式1)其中，γ∈[0,1]為分辨系數(shù)，其典型值為0.5；1≤i≤m，1≤j≤m，1≤k≤n，1≤l≤n。n個(gè)數(shù)據(jù)點(diǎn)的灰色關(guān)聯(lián)系數(shù)的平均值即為時(shí)間序列si(1≤i≤m)與s0的灰色關(guān)聯(lián)系數(shù)。三、電商與國(guó)民經(jīng)濟(jì)灰色關(guān)聯(lián)計(jì)算(一)原始數(shù)據(jù)與規(guī)范化處理表1是2008—2018年我國(guó)各類(lèi)電商交易額、社會(huì)消費(fèi)品零售總額(簡(jiǎn)稱(chēng)消費(fèi)品零售總額)及批發(fā)和零售業(yè)商品銷(xiāo)售額(簡(jiǎn)稱(chēng)批零商品銷(xiāo)售額)等商務(wù)年度數(shù)據(jù)和國(guó)民經(jīng)濟(jì)核算年度數(shù)據(jù)。其中，電商物流營(yíng)收、

可能出現(xiàn)相同關(guān)聯(lián)系數(shù)值的情況，導(dǎo)致部分因素?zé)o法進(jìn)行關(guān)聯(lián)度排序?；陟貦?quán)灰色關(guān)聯(lián)與逼近理想解排序的故障樹(shù)分析(Technique for Order Preference by Similarity to an Ideal Solution-Fault Tree Analysis,TOPSIS-FTA)方法提供一種思路[13]，將故障樹(shù)分析法的最小割集與TOPSIS方法的理想解相對(duì)貼近度相結(jié)合，得到最小割集作為基本關(guān)聯(lián)事件的相對(duì)貼近度，優(yōu)化灰色關(guān)聯(lián)結(jié)果。與統(tǒng)

各農(nóng)藝性狀的關(guān)聯(lián)系數(shù)、關(guān)聯(lián)度越大表示品種綜合性狀好，反之較差［15］。參試品種以張雜谷13號(hào)為主要性狀參考指標(biāo)對(duì)照，取值為當(dāng)?shù)厣a(chǎn)中已實(shí)現(xiàn)的理想品種狀態(tài)值［16］；各性狀指標(biāo)構(gòu)成參考數(shù)列，記作V0；參試品種（組合）各性狀值比較數(shù)列，記作Vi（i=1，2…，m），其中m為參試品種數(shù)，各性狀用T表示（T=1，2…，n），其中 n為性狀數(shù)［16-17］。2 結(jié)果與分析2.1 主要經(jīng)濟(jì)性狀選取生育期（T1）、株高（T2）、主穗長(zhǎng)（T3）、穗重（T4）、穗粒重（T5

據(jù)變換，計(jì)算關(guān)聯(lián)系數(shù)，求關(guān)聯(lián)度，關(guān)聯(lián)度排序等。1.1 確定參考序列和比較序列根據(jù)所研究的具體問(wèn)題需求，確定一個(gè)因變量因素和m個(gè)自變量因素，如式(1)和式(2):x0=[x0(1),x0(2),…,x0(n)](1)xi=[xi(1),xi(2),…,xi(n)](2)i=1,2,…,m式中：x0為參考序列；x0(n)為參考序列中的變量；xi為第i個(gè)比較序列；xi(n)為第i個(gè)比較序列中的變量。在計(jì)算關(guān)聯(lián)系數(shù)之前需要對(duì)原始數(shù)據(jù)序列進(jìn)行變換，包括將數(shù)列均值化，

表現(xiàn);評(píng)價(jià);關(guān)聯(lián)系數(shù)中圖分類(lèi)號(hào)：S512.1? ? ? ? ? ? ?文獻(xiàn)識(shí)別碼：A? ? ? ? ? ? ? ?文章編號(hào)：2096-1073（2020）09-0077-78Evaluation of the Comprehensive Performance of New Wheat varieties （Lines） in Shandong Province Based on Grey Correlation DegreeDONG Yuliang（Sh

2.2.4 關(guān)聯(lián)系數(shù)計(jì)算 由公式（1）計(jì)算試驗(yàn)品系與理想品系之間的關(guān)聯(lián)系數(shù)。其中§i(k)為Xi對(duì)X0在K點(diǎn)的關(guān)聯(lián)系數(shù)，ζ為分辨系數(shù)，取值范圍在(0～1)之間，用以削弱︱X0(K) - Xi(k)︱數(shù)值過(guò)大而失真帶來(lái)的影響，提高關(guān)聯(lián)系數(shù)之間的差異顯著性，一般選取ζ = 0.5。minmin︱X0(K) - Xi(k)︱和maxmax︱X0(K) - Xi(k)︱是在︱X0(K) - Xi(k)︱中分別挑選最小值和最大值。根據(jù)公式（2）計(jì)算加權(quán)關(guān)聯(lián)度Ri。W

灰色關(guān)聯(lián)度;關(guān)聯(lián)系數(shù);主控因素引言油井生產(chǎn)由于構(gòu)造、儲(chǔ)層、沉積、開(kāi)發(fā)方式等各方面的不同，影響油井產(chǎn)量的因素也就各不相同。但處于部分相似條件下的油井，產(chǎn)量也會(huì)出現(xiàn)較大的差異，找到其中的主要影響因素有利于改變差油井的生產(chǎn)狀況。1.灰色關(guān)聯(lián)度法評(píng)價(jià)影響因素在系統(tǒng)發(fā)展過(guò)程中，若兩個(gè)因素的變化趨勢(shì)具有一致性，及其關(guān)聯(lián)程度較高，反之，則較低?；疑P(guān)聯(lián)分析法是根據(jù)因素之間發(fā)展趨勢(shì)的相似或者相異程度，作為衡量因素之間關(guān)聯(lián)程度的一種方法?；疑P(guān)聯(lián)分析的基本步驟：（1）數(shù)據(jù)序

對(duì)于特性i的關(guān)聯(lián)系數(shù)均值；x0i——?dú)v史時(shí)段教練機(jī)與目標(biāo)機(jī)對(duì)于特性i的關(guān)聯(lián)系數(shù)均值；n——教練機(jī)特性集合中的特性個(gè)數(shù)。根據(jù)上式可以得出：1）從形式上說(shuō)，該方法在某種意義上是教練機(jī)發(fā)展所要求的；2）從方法上說(shuō)，該方法是目標(biāo)預(yù)測(cè)優(yōu)勢(shì)和搜索方法的要素結(jié)合；3）從時(shí)間上說(shuō)，該方法所預(yù)測(cè)的結(jié)果應(yīng)該是短-中期（5～15年）的，因?yàn)轭A(yù)測(cè)結(jié)果的可信時(shí)間期限應(yīng)該不短于研制教練機(jī)過(guò)程的時(shí)間周期（平均5年），且不超過(guò)目標(biāo)飛機(jī)更新?lián)Q代周期（10～15年）。1.2 方法設(shè)計(jì)步驟關(guān)聯(lián)

與其他性狀的關(guān)聯(lián)系數(shù)以花枝長(zhǎng)為最大，葉數(shù)與其他性狀的關(guān)聯(lián)系數(shù)以花枝長(zhǎng)為最大，葉寬與其他性狀的關(guān)聯(lián)系數(shù)以唇瓣長(zhǎng)為最大，花數(shù)與其他性狀的關(guān)聯(lián)系數(shù)以葉數(shù)為最大，花瓣長(zhǎng)與其他性狀的關(guān)聯(lián)系數(shù)以萼片長(zhǎng)為最大，花瓣寬與其他性狀的關(guān)聯(lián)系數(shù)以萼片寬為最大，唇瓣寬與其他性狀的關(guān)聯(lián)系數(shù)以花瓣寬為最大，唇瓣顏色與其他性狀的關(guān)聯(lián)系數(shù)以唇瓣寬為最大。其中，株高與花枝長(zhǎng)、葉寬與唇瓣長(zhǎng)、花瓣長(zhǎng)與萼片長(zhǎng)、花瓣寬與萼片寬之間的關(guān)聯(lián)系數(shù)互為最大。性狀間的相互關(guān)聯(lián)可為研究物種間的關(guān)系、分類(lèi)和鑒定

1.3 計(jì)算關(guān)聯(lián)系數(shù)ξi（k）第k數(shù)列的平均值y（k）與第k數(shù)列中第i元素xi（k）的關(guān)聯(lián)系數(shù)ξi（k）的計(jì)算式為：令Δi（k）=|y（k）-xi（k）|，則（2）式表示成：分辨系數(shù)ρ的通常取值范圍為（0，1），ρ越小，分辨力越大，ρ≤0.546 3時(shí)，分辨力最佳。通常取ρ≤0.5。1.4 根據(jù)各關(guān)聯(lián)系數(shù)ξi（k）計(jì)算各自的關(guān)聯(lián)度ri衡量關(guān)聯(lián)程度的關(guān)聯(lián)系數(shù)是由多個(gè)數(shù)值組成的，但其數(shù)值較為分散。為正確反映各個(gè)時(shí)刻（即曲線中的各點(diǎn)）比較數(shù)列與參考數(shù)列的關(guān)聯(lián)程度

礦產(chǎn)資源賦存關(guān)聯(lián)系數(shù)算法的設(shè)計(jì)，同時(shí)計(jì)算礦產(chǎn)資源賦存灰色關(guān)聯(lián)程度，根據(jù)計(jì)算結(jié)果總結(jié)礦產(chǎn)資源賦存規(guī)律。1.1 礦產(chǎn)資源賦存關(guān)聯(lián)系數(shù)算法研究設(shè)計(jì)礦產(chǎn)資源賦存關(guān)聯(lián)系數(shù)算法，首先應(yīng)自定義該礦區(qū)的空間坐標(biāo)，自定義參考數(shù)值為x0（也稱(chēng)參考數(shù)值為母版值），研究對(duì)象為對(duì)應(yīng)的礦產(chǎn)資源，自定義其數(shù)值為(x1,x2)，也稱(chēng)其數(shù)值為子數(shù)值[2]。根據(jù)直線無(wú)量綱法中的閾值法對(duì)自定的數(shù)據(jù)進(jìn)行整理，設(shè)定η為參考數(shù)值與對(duì)象數(shù)值之間的關(guān)聯(lián)程度系數(shù)，關(guān)聯(lián)程度計(jì)算如下所示。如上述公式所示，為礦

個(gè)產(chǎn)業(yè)間的灰關(guān)聯(lián)系數(shù)，發(fā)現(xiàn)2014—2017年安徽電子商務(wù)與物流產(chǎn)業(yè)的協(xié)同度呈U型浮動(dòng)狀態(tài).在上述文獻(xiàn)研究中，文獻(xiàn)[2-3]和[5-6]對(duì)電子商務(wù)及物流的測(cè)度指標(biāo)單一，其分析結(jié)果所包含的信息量偏少，因此參考價(jià)值有限；文獻(xiàn)[4]和[7]雖然分別構(gòu)建了電子商務(wù)和物流(快遞)的綜合評(píng)價(jià)指標(biāo)，但只對(duì)兩個(gè)綜合性指標(biāo)之間的關(guān)系進(jìn)行了分析，其參考價(jià)值同樣有限.本文采用灰關(guān)聯(lián)分析法對(duì)我國(guó)2008—2018年電商總交易規(guī)模及B2B、網(wǎng)絡(luò)零售、跨境電商交易規(guī)模與物流總貨物周轉(zhuǎn)

行計(jì)算；構(gòu)造關(guān)聯(lián)系數(shù)函數(shù)，確定關(guān)聯(lián)分析流程，設(shè)置閾值，實(shí)現(xiàn)對(duì)并發(fā)異常事件的甄別；對(duì)關(guān)聯(lián)分析結(jié)果進(jìn)行分析。實(shí)例計(jì)算結(jié)果表明，該方法能夠準(zhǔn)確計(jì)算出兩兩計(jì)量異常事件之間的關(guān)聯(lián)度，對(duì)存在關(guān)聯(lián)的計(jì)量異常事件組合進(jìn)行有效篩選。1 數(shù)據(jù)分析現(xiàn)有數(shù)據(jù)為某市2015—2016年專(zhuān)用變壓器（以下簡(jiǎn)稱(chēng)“專(zhuān)變”）用戶和低壓用戶同月同一用戶出現(xiàn)多種異常的歷史告警數(shù)據(jù)。每條告警記錄都包含了用戶編號(hào)、異常類(lèi)型名稱(chēng)、異常發(fā)生時(shí)間、異?；謴?fù)時(shí)間和異常歸檔時(shí)間等信息，其具體記錄方式如表1所示

計(jì)算因素之間關(guān)聯(lián)系數(shù)，關(guān)聯(lián)系數(shù)表示為：其中p值為分辨率系數(shù)，p∈（0，1）,p值越小則分辨率越大，通常取p=0.5。第五步，求s（i，k）的均值，即得x（i）與x（0）的關(guān)聯(lián)度r（i），r（i）值越大則關(guān)聯(lián)度越高。2.2 緊密程度的測(cè)度與分析為了分析我國(guó)能源消費(fèi)結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)的關(guān)聯(lián)，并考察兩者之間關(guān)系隨著經(jīng)濟(jì)社會(huì)發(fā)展而動(dòng)態(tài)演進(jìn)的過(guò)程，可以按照關(guān)聯(lián)系數(shù)的測(cè)度方法分別測(cè)度我國(guó)1978—1995年、1996—2015年之間的關(guān)聯(lián)系數(shù)，結(jié)果如表1所示。表1 能源消

。（3）計(jì)算關(guān)聯(lián)系數(shù)。定義關(guān)聯(lián)系數(shù)如下：式中：ξ一般在0與1之間取值。本次數(shù)據(jù)處理時(shí)，令ξ=0.1。和分別稱(chēng)為母子序列對(duì)應(yīng)分量的最小差和最大差。（4）計(jì)算關(guān)聯(lián)度。對(duì)關(guān)聯(lián)系數(shù)求均值，即可得出灰色關(guān)聯(lián)度數(shù)值：二、實(shí)證結(jié)果分析通過(guò)灰色關(guān)聯(lián)度計(jì)算公式，得出長(zhǎng)三角科技投入與產(chǎn)出關(guān)聯(lián)度分析結(jié)果。R&D研究人員與科技創(chuàng)新產(chǎn)出灰色關(guān)聯(lián)系數(shù)見(jiàn)表1、經(jīng)費(fèi)與科技創(chuàng)新產(chǎn)出灰色關(guān)聯(lián)系數(shù)見(jiàn)表2。表1 R&D研究人員與科技創(chuàng)新產(chǎn)出灰色關(guān)聯(lián)系數(shù)表2 R&D經(jīng)費(fèi)與科技創(chuàng)新產(chǎn)出灰色關(guān)聯(lián)系數(shù)（

風(fēng)險(xiǎn)標(biāo)準(zhǔn)分=關(guān)聯(lián)系數(shù)×一項(xiàng)工作操作量風(fēng)險(xiǎn)基礎(chǔ)分 （2）其中，風(fēng)險(xiǎn)基礎(chǔ)分由操作設(shè)備與復(fù)雜度構(gòu)成，風(fēng)險(xiǎn)標(biāo)準(zhǔn)分由風(fēng)險(xiǎn)基礎(chǔ)分和關(guān)聯(lián)系數(shù)構(gòu)成。而風(fēng)險(xiǎn)標(biāo)準(zhǔn)又可分為此項(xiàng)工作操作量風(fēng)險(xiǎn)值。操作設(shè)備是指一項(xiàng)工作中涉及到的所有設(shè)備，包括線路、母線、主變、開(kāi)關(guān)以及其他附屬設(shè)備對(duì)應(yīng)的分值。復(fù)雜度是指考慮人為操作時(shí)間的影響因素。關(guān)聯(lián)系數(shù)則由風(fēng)險(xiǎn)基礎(chǔ)分決定，用于區(qū)分一項(xiàng)工作的難易程度。2 操作量的評(píng)定2.1 操作設(shè)備在實(shí)際工作中，調(diào)度操作種類(lèi)繁多。其操作對(duì)象主要包括線路、母線、主變、

考序列，計(jì)算關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度，結(jié)果詳見(jiàn)表2。以2015年為例，計(jì)算得到13個(gè)實(shí)驗(yàn)區(qū)子系統(tǒng)發(fā)展度、可持續(xù)發(fā)展度、協(xié)調(diào)度與科技創(chuàng)新的關(guān)聯(lián)系數(shù)，并通過(guò)SPSS 16.0軟件對(duì)科技創(chuàng)新與可持續(xù)發(fā)展度、協(xié)調(diào)度的關(guān)聯(lián)系數(shù)進(jìn)行聚類(lèi)。4.1 實(shí)驗(yàn)區(qū)總體空間分異由表2可知，2009—2015年各區(qū)域?qū)嶒?yàn)區(qū)總體科技創(chuàng)新與可持續(xù)發(fā)展度關(guān)聯(lián)系數(shù)雖有所波動(dòng)但基本保持在0.5以上，說(shuō)明兩者存在密切關(guān)系。關(guān)聯(lián)度大小地域差異明顯，自西向東依次為:0.508表2 實(shí)驗(yàn)區(qū)總體關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度

各對(duì)比數(shù)列的關(guān)聯(lián)系數(shù)，根據(jù)系列曲線幾何形狀相似程度判斷對(duì)比數(shù)列與參考數(shù)列的關(guān)聯(lián)程度。曲線幾何形狀相似程度高，相關(guān)性好，反之越小。本文選取3種土質(zhì)，根據(jù)土質(zhì)的試驗(yàn)測(cè)試結(jié)果，分別采用灰關(guān)聯(lián)法分析含水量、壓實(shí)度對(duì)路基回彈模量的影響大小。2 不同土質(zhì)灰關(guān)聯(lián)法分析2.1 湖南紅黏土本文為了比較含水量、壓實(shí)度對(duì)回彈模量影響程度大小，對(duì)湖南某地區(qū)紅黏土做了不同含水量、壓實(shí)度條件下的室內(nèi)回彈模量試驗(yàn)。具體的試驗(yàn)數(shù)據(jù)如表1。表1 湖南紅黏土回彈模量隨含水量、壓實(shí)度變化的試驗(yàn)

800）基于關(guān)聯(lián)系數(shù)的D_S融合悖論改進(jìn)算法鄭旗，袁曉兵，李寶清（中國(guó)科學(xué)院 上海微系統(tǒng)與信息技術(shù)研究所 ，上海 201800）針對(duì)Dempster_Shafer證據(jù)融合理論在融合高沖突證據(jù)源時(shí)出現(xiàn)融合悖論的問(wèn)題，提出了一種通過(guò)定義關(guān)聯(lián)系數(shù)并構(gòu)造絕對(duì)支持度對(duì)原證據(jù)進(jìn)行預(yù)處理，然后采用經(jīng)典的D_S融合方法對(duì)證據(jù)進(jìn)行融合的改進(jìn)方法。通過(guò)對(duì)關(guān)聯(lián)系數(shù)中增長(zhǎng)因子取值進(jìn)行實(shí)驗(yàn)和一些經(jīng)典改進(jìn)方法進(jìn)行對(duì)比實(shí)驗(yàn)，可以看出本文方法不僅能夠有效削減證據(jù)之間的沖突，也能保持D_S

；主次關(guān)系；關(guān)聯(lián)系數(shù)中圖分類(lèi)號(hào)：S565.103 文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2016）11-0099-04本研究以安豆7號(hào)在14個(gè)處理水平下的9個(gè)農(nóng)藝性狀為研究對(duì)象，采用灰色關(guān)聯(lián)度分析法結(jié)合相關(guān)分析法，對(duì)影響大豆產(chǎn)量的主要農(nóng)藝性狀進(jìn)行分析，研究大豆主要農(nóng)藝性狀對(duì)產(chǎn)量的影響，以及所有性狀間的相互關(guān)系，以期為大豆高產(chǎn)育種提供參考依據(jù)。大豆是我國(guó)重要的糧食作物之一，以其高營(yíng)養(yǎng)價(jià)值、高生理活性和廣泛的工業(yè)用途而受到廣大農(nóng)戶及消費(fèi)者的青睞。大豆產(chǎn)

×C列聯(lián)表的關(guān)聯(lián)系數(shù)，可在一定程度上克服這一缺陷［1－3］。關(guān)聯(lián)度的分析是分析系統(tǒng)中各因素關(guān)聯(lián)程度的方法，正確計(jì)算列聯(lián)表資料的關(guān)聯(lián)系數(shù)，不僅對(duì)于統(tǒng)計(jì)方法本身，而且對(duì)于實(shí)際應(yīng)用都意義重大。目前常用的關(guān)聯(lián)系數(shù)為Pearson列聯(lián)系數(shù)［4－6］。本文將以信息論為基礎(chǔ)的信息相關(guān)系數(shù)［7］應(yīng)用于R×C列聯(lián)表，并與Pearson列聯(lián)系數(shù)進(jìn)行比較，通過(guò)理論分析、實(shí)例計(jì)算和計(jì)算機(jī)模擬，我們發(fā)現(xiàn)信息相關(guān)系數(shù)更合適作為列聯(lián)表關(guān)聯(lián)系數(shù)的指標(biāo)。χ2檢驗(yàn)的不足之處一般的R行C列的R

量關(guān)聯(lián)度高，關(guān)聯(lián)系數(shù)依次排在前3位?；疑P(guān)聯(lián)度；分析；產(chǎn)量；大豆區(qū)試應(yīng)用灰色關(guān)聯(lián)度綜合評(píng)價(jià)農(nóng)作物新品種 （系），在大豆育種領(lǐng)域中具有良好效果[1～5]。傳統(tǒng)方法是根據(jù)方差分析、產(chǎn)量差異顯著性測(cè)驗(yàn)等評(píng)判品種的優(yōu)劣，具有很大的局限性。為此，應(yīng)用灰色關(guān)聯(lián)度綜合評(píng)價(jià)山西大豆區(qū)試新品種（系），對(duì)灰色關(guān)聯(lián)度進(jìn)行客觀優(yōu)劣評(píng)價(jià)，探討影響大豆產(chǎn)量相關(guān)因素的關(guān)聯(lián)度大小，同時(shí)篩選出適宜當(dāng)?shù)胤N植的高產(chǎn)優(yōu)質(zhì)新品種，為種植大豆提供科學(xué)依據(jù)。1 材料與方法1.1 試驗(yàn)材料試驗(yàn)于2004

法。首先引入關(guān)聯(lián)系數(shù)的概念，用來(lái)表征證據(jù)間的沖突大??；其次給出了目標(biāo)綜合識(shí)別步驟；最后結(jié)合2個(gè)例子進(jìn)行了仿真驗(yàn)證。結(jié)果表明，該方法識(shí)別率高，收斂性快，能夠有效解決在識(shí)別中不穩(wěn)定、不一致信息的融合問(wèn)題，具有一定的應(yīng)用價(jià)值。彈道導(dǎo)彈；綜合識(shí)別；證據(jù)理論；PCR5準(zhǔn)則；關(guān)聯(lián)系數(shù)；沖突0　引言[1-14]在彈道導(dǎo)彈防御中，目標(biāo)識(shí)別是最關(guān)鍵、最核心、最沒(méi)有把握、最沒(méi)有解決好的環(huán)節(jié)，如何有效識(shí)別真假?gòu)楊^是戰(zhàn)場(chǎng)致勝的關(guān)鍵，也是預(yù)警裝備最需要攻破的技術(shù)難題。彈道導(dǎo)彈識(shí)別涉

行處理，計(jì)算關(guān)聯(lián)系數(shù)，由此就可計(jì)算出關(guān)聯(lián)度。通過(guò)比較關(guān)聯(lián)度的大小，可得出某一因素對(duì)裝備狀態(tài)的影響程度。1　算法流程1.1原始數(shù)據(jù)的處理由于各因素有不同的計(jì)量單位，為便于分析比較，要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，其方法包括標(biāo)準(zhǔn)化、均值化等。(1)標(biāo)準(zhǔn)化。該方法處理后的各指標(biāo)均值均為0，標(biāo)準(zhǔn)差均為1，它只反映了各指標(biāo)之間的相互影響，在無(wú)量綱化的同時(shí)，也抹殺了各指標(biāo)之間變異程度上的差異，因此，標(biāo)準(zhǔn)化方法并不適用于多指標(biāo)綜合評(píng)價(jià)。(2)均值化。先分別求出各個(gè)原始數(shù)列

效應(yīng)。文章以關(guān)聯(lián)系數(shù)描述了交通運(yùn)輸業(yè)與其相關(guān)產(chǎn)業(yè)的關(guān)聯(lián)關(guān)系，并運(yùn)用關(guān)聯(lián)系數(shù)、增長(zhǎng)值貢獻(xiàn)率模型，測(cè)度了北京市交通運(yùn)輸業(yè)對(duì)國(guó)民經(jīng)濟(jì)的拉動(dòng)和推動(dòng)效應(yīng)。研究認(rèn)為，任何一個(gè)產(chǎn)業(yè)經(jīng)濟(jì)效應(yīng)的大小不僅取決于其直接經(jīng)濟(jì)效應(yīng)，也取決于其間接經(jīng)濟(jì)效應(yīng)。經(jīng)濟(jì)效應(yīng)的大小取決于其在產(chǎn)業(yè)鏈中的位置、與其他支柱產(chǎn)業(yè)的關(guān)聯(lián)程度和與其他支柱產(chǎn)業(yè)的產(chǎn)業(yè)距離。產(chǎn)業(yè)位置靠前，其拉動(dòng)效應(yīng)小于推動(dòng)效應(yīng)，產(chǎn)業(yè)位置靠后，其拉動(dòng)效應(yīng)大于推動(dòng)效應(yīng)。交通運(yùn)輸業(yè)作為基礎(chǔ)產(chǎn)業(yè)，其產(chǎn)業(yè)位置相對(duì)靠前，其前向推動(dòng)效應(yīng)大于

效應(yīng)。文章以關(guān)聯(lián)系數(shù)描述了交通運(yùn)輸業(yè)與其相關(guān)產(chǎn)業(yè)的關(guān)聯(lián)關(guān)系，并運(yùn)用關(guān)聯(lián)系數(shù)、增長(zhǎng)值貢獻(xiàn)率模型，測(cè)度了北京市交通運(yùn)輸業(yè)對(duì)國(guó)民經(jīng)濟(jì)的拉動(dòng)和推動(dòng)效應(yīng)。研究認(rèn)為，任何一個(gè)產(chǎn)業(yè)經(jīng)濟(jì)效應(yīng)的大小不僅取決于其直接經(jīng)濟(jì)效應(yīng)，也取決于其間接經(jīng)濟(jì)效應(yīng)。經(jīng)濟(jì)效應(yīng)的大小取決于其在產(chǎn)業(yè)鏈中的位置、與其他支柱產(chǎn)業(yè)的關(guān)聯(lián)程度和與其他支柱產(chǎn)業(yè)的產(chǎn)業(yè)距離。產(chǎn)業(yè)位置靠前，其拉動(dòng)效應(yīng)小于推動(dòng)效應(yīng)，產(chǎn)業(yè)位置靠后，其拉動(dòng)效應(yīng)大于推動(dòng)效應(yīng)。交通運(yùn)輸業(yè)作為基礎(chǔ)產(chǎn)業(yè)，其產(chǎn)業(yè)位置相對(duì)靠前，其前向推動(dòng)效應(yīng)大于

間的絕對(duì)值、關(guān)聯(lián)系數(shù)等相互的換算關(guān)系，明確了灰色關(guān)聯(lián)權(quán)重分析法在農(nóng)作物新品種綜合評(píng)估中的應(yīng)用。結(jié)果表明，產(chǎn)量的權(quán)重最大，其次是容重，綜合評(píng)估結(jié)果與品種的實(shí)際表現(xiàn)一致，依次是中麥875、周麥32、秋樂(lè)2122。關(guān)鍵詞：小麥；育種；灰關(guān)聯(lián)度：權(quán)重系數(shù)；關(guān)聯(lián)系數(shù)；產(chǎn)量作物新品種或品系的綜合評(píng)估是現(xiàn)代育種工作的重要環(huán)節(jié)。新品種或品系各個(gè)性狀在灰色評(píng)判過(guò)程中的重要程度并不等同，如以產(chǎn)量育種為主要目標(biāo)，則產(chǎn)量性狀諸如單株產(chǎn)量、穗數(shù)、穗粒數(shù)、千粒重等的權(quán)重相對(duì)要大一些，

003）基于關(guān)聯(lián)系數(shù)的社區(qū)劃分算法顧宏博，奚杰杰，吳 晶 （南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003）不同于一般社區(qū)劃分衡量標(biāo)準(zhǔn)——模塊度Q值，從社區(qū)結(jié)構(gòu)本質(zhì)出發(fā)，提出一種用關(guān)聯(lián)系數(shù)評(píng)判社區(qū)劃分好壞的方法，即求社區(qū)內(nèi)部連接與外部連接的關(guān)聯(lián)系數(shù)。該方法不但能克服模塊度Q值只適用于無(wú)向無(wú)權(quán)網(wǎng)絡(luò)的缺陷，而且更符合社區(qū)結(jié)構(gòu)的定義。衡量標(biāo)準(zhǔn)；模塊度；關(guān)聯(lián)系數(shù)；社區(qū)結(jié)構(gòu)0 引言物以類(lèi)聚，人以群分。許多社會(huì)網(wǎng)絡(luò)隨著時(shí)間逐漸演變形成它們自身的社區(qū)。它們有

。（5）計(jì)算關(guān)聯(lián)系數(shù)。通過(guò)下式分別計(jì)算每個(gè)比較序列與對(duì)應(yīng)元素的關(guān)聯(lián)系數(shù)。其中 ，k=1，2，…，m。在上式中ρ為分辨系數(shù)，在（0，1）內(nèi)取值，如果ρ越小，那么關(guān)聯(lián)系數(shù)間差異越大，區(qū)分能力越強(qiáng)。通常情況下ρ取值0.5。（6）計(jì)算關(guān)聯(lián)系數(shù)的值。對(duì)各評(píng)價(jià)對(duì)象分別計(jì)算其m個(gè)指標(biāo)與參考序列對(duì)應(yīng)元素的關(guān)聯(lián)系數(shù)的均值，以反映各個(gè)評(píng)價(jià)對(duì)象與參考序列的關(guān)聯(lián)關(guān)系，并稱(chēng)其為關(guān)聯(lián)序，記為：如果各指標(biāo)在綜合評(píng)價(jià)中所起的作用不同，可對(duì)關(guān)聯(lián)系數(shù)求平均值（在本文指標(biāo)體系不分權(quán)重）。（7）

）。3.4 關(guān)聯(lián)系數(shù)計(jì)算第i 個(gè)比較數(shù)列與參考數(shù)列X0在k 時(shí)刻的關(guān)聯(lián)系數(shù)為ξi(k)，其計(jì)算公式如下：其中ρ為分辨系數(shù)，通常取0.5。ΔMax|X0-Xi|是第二級(jí)最大差，記為ΔMax；ΔMin|X0-Xi|是第二級(jí)最小差，記為ΔMin。Δ0i(k)為參考數(shù)列X0與比較數(shù)列Xi在k時(shí)刻的絕對(duì)差值。3.5 計(jì)算關(guān)聯(lián)度riri是每個(gè)參考數(shù)列與比較數(shù)列關(guān)聯(lián)系數(shù)的平均值，表示參考數(shù)列與比較數(shù)列間的關(guān)聯(lián)程度，ri值越接近1，說(shuō)明相關(guān)性越好，其計(jì)算公式如下：4 亞馬

從早期基于點(diǎn)關(guān)聯(lián)系數(shù)的灰色關(guān)聯(lián)分析模型，到基于整體或全局視角的廣義灰色關(guān)聯(lián)分析模型；從基于接近性測(cè)度相似性的灰色關(guān)聯(lián)分析模型，到分別基于相似性和接近性視角構(gòu)造的灰色關(guān)聯(lián)分析模型；研究對(duì)象從曲線之間的關(guān)系分析到曲面之間的關(guān)系分析，再到三維空間立體乃至n維空間中超曲面之間的關(guān)系分析.明確了有待進(jìn)一步研究的問(wèn)題.較為清晰地向讀者展示出灰色關(guān)聯(lián)分析模型的幾條研究脈絡(luò).關(guān)鍵詞：關(guān)聯(lián)系數(shù)；灰色絕對(duì)關(guān)聯(lián)度；相似性；接近性；n維關(guān)聯(lián)空間來(lái)源出版物：系統(tǒng)工程理論與實(shí)踐， 2

k)——灰色關(guān)聯(lián)系數(shù)。灰色系統(tǒng)法的特點(diǎn)是不需要測(cè)量太多的數(shù)據(jù)，只需要準(zhǔn)確測(cè)量少量的數(shù)據(jù)，便可通過(guò)其整體的關(guān)聯(lián)性來(lái)識(shí)別損傷情況(位置、大小等)。2.2 在鋼結(jié)構(gòu)檢測(cè)中的應(yīng)用原理當(dāng)鋼結(jié)構(gòu)內(nèi)部遭到破壞或發(fā)生損傷時(shí)，結(jié)構(gòu)內(nèi)部必定隨之發(fā)生位移、應(yīng)變等參數(shù)的變動(dòng)，因此如果掌握到這些變動(dòng)的信息，便可以弄清整個(gè)結(jié)構(gòu)的工作狀態(tài)。在實(shí)際的大型工程檢測(cè)中，由于鋼結(jié)構(gòu)本身跨度和高度龐大，不可能檢測(cè)結(jié)構(gòu)的每一個(gè)細(xì)節(jié)，只能根據(jù)結(jié)構(gòu)本身受力的特點(diǎn)，損傷的機(jī)理等布置有限的測(cè)點(diǎn)，這就使得我

一種基于灰色關(guān)聯(lián)系數(shù)的混合噪聲濾波算法，并給出了具體實(shí)例進(jìn)行對(duì)比分析。實(shí)驗(yàn)結(jié)果表明，該算法在多種噪聲密度下均具能有效地去除混合噪聲，提高圖像的峰值信噪比。1 灰色關(guān)聯(lián)理論基礎(chǔ)灰色關(guān)聯(lián)分析不僅是灰色理論的重要組成部分之一，而且是灰色系統(tǒng)分析、建模、預(yù)測(cè)、決策的基石［10］。目前在圖像處理中，所涉及的灰色關(guān)聯(lián)分析主要是使用灰色關(guān)聯(lián)系數(shù)分析圖像的鄰域信息，降低問(wèn)題的復(fù)雜度，并獲得量化結(jié)果［10］。在圖像處理中，涉及的系統(tǒng)特征序列、系統(tǒng)因素序列往往都是一維向量［5

數(shù)序列的灰色關(guān)聯(lián)系數(shù)進(jìn)行計(jì)算，然后由專(zhuān)家系統(tǒng)對(duì)計(jì)算出的權(quán)重得分值進(jìn)行推理，最終得到診斷分析結(jié)論[1-4]。多屬性權(quán)重調(diào)整的推理方法是將給水、爐水、凝結(jié)水、飽和蒸汽及過(guò)熱蒸汽等的汽水品質(zhì)參數(shù)與其他灰色參數(shù)作為故障診斷因子，構(gòu)建了不同工況條件下的關(guān)鍵設(shè)備的診斷模型，同時(shí)對(duì)所有汽水循環(huán)系統(tǒng)的模型進(jìn)行統(tǒng)一整合，形成了整個(gè)汽水循環(huán)系統(tǒng)診斷模型監(jiān)控圖，從而構(gòu)成了完整的汽水化學(xué)過(guò)程故障診斷的專(zhuān)家系統(tǒng)[5-8]。當(dāng)汽水品質(zhì)劣化時(shí)，此專(zhuān)家系統(tǒng)會(huì)迅速確診故障原因，提供設(shè)備故障

斜率差來(lái)計(jì)算關(guān)聯(lián)系數(shù)，并基于離差最大化和最大熵原理，計(jì)算了各指標(biāo)關(guān)聯(lián)系數(shù)的權(quán)重，建立了改進(jìn)的灰關(guān)聯(lián)度模型;實(shí)例驗(yàn)證，方法所得分析結(jié)果與定性分析相一致，分辨效果更好，具有較高的可靠性和應(yīng)用性?；疑P(guān)聯(lián)度;相對(duì)斜率;最大熵原理灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論的重要組成部分，主要通過(guò)系統(tǒng)數(shù)據(jù)序列曲線的幾何形狀的相似和相近程度，用量化的方法判斷序列間關(guān)聯(lián)程度的大小，曲線形狀越相似，相應(yīng)序列間的關(guān)聯(lián)度越大，反之越?。?］?；疑碚摪l(fā)展至今，已有許多成熟的關(guān)聯(lián)度模型，例如鄧

業(yè)—房地產(chǎn)業(yè)關(guān)聯(lián)系數(shù)，計(jì)算出各個(gè)省域的產(chǎn)業(yè)關(guān)聯(lián)系數(shù)，在描述其差異性的基礎(chǔ)上，使用時(shí)序加權(quán)模型，并使用聚類(lèi)分析等方法對(duì)產(chǎn)業(yè)關(guān)聯(lián)度的省域差異進(jìn)行進(jìn)一步的分析。國(guó)內(nèi)外對(duì)于旅游地產(chǎn)和房地業(yè)的產(chǎn)業(yè)關(guān)聯(lián)的研究成果并不多。國(guó)外相關(guān)研究成果主要集中在分時(shí)度假定義、營(yíng)銷(xiāo)方式、影響因素、市場(chǎng)預(yù)測(cè)等方面的研究[6－10]。目前國(guó)內(nèi)的研究主要集中于旅游地產(chǎn)的風(fēng)險(xiǎn)管理、投資策略等方面的研究[11－16]。在旅游產(chǎn)業(yè)與房地產(chǎn)業(yè)產(chǎn)業(yè)關(guān)聯(lián)的研究成果主要有:施金亮等利用投入產(chǎn)出表，計(jì)算結(jié)果

斜率差來(lái)計(jì)算關(guān)聯(lián)系數(shù)，以灰色關(guān)聯(lián)系數(shù)均值的修正值作為序列的關(guān)聯(lián)度，提出了改進(jìn)的灰色關(guān)聯(lián)度模型，并研究了改進(jìn)模型的性質(zhì)。研究表明，利用該方法所得分析結(jié)果與定性分析相一致，且分辨效果更好，因而具有可行性?；疑P(guān)聯(lián)度；相對(duì)斜率；穩(wěn)定度灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論的重要組成部分，其主要通過(guò)系統(tǒng)數(shù)據(jù)序列曲線的幾何形狀的相似和相近程度，用量化的方法判斷序列間關(guān)聯(lián)程度的大小，曲線越接近，形狀越相似，相應(yīng)序列間的關(guān)聯(lián)度越大，反之越小。目前有關(guān)關(guān)聯(lián)度的量化模型很多[1-6]，

面積作為計(jì)算關(guān)聯(lián)系數(shù)的依據(jù)，并基于離差最大化和最大熵原理，建立了計(jì)算關(guān)聯(lián)系數(shù)權(quán)重的數(shù)學(xué)模型，得到加權(quán)灰色關(guān)聯(lián)度。將該模型應(yīng)用于工程招標(biāo)問(wèn)題中，結(jié)果表明該模型有較高的可靠性和應(yīng)用性?；疑P(guān)聯(lián)分析；離差最大化；最大熵原理；工程招標(biāo)灰色關(guān)聯(lián)分析是灰色系統(tǒng)理論[1-2]的重要組成部分，是研究系統(tǒng)內(nèi)部因素之間關(guān)聯(lián)程度的一種數(shù)學(xué)模型。灰色系統(tǒng)理論發(fā)展至今，已有許多成熟的關(guān)聯(lián)度模型，如鄧氏關(guān)聯(lián)度、廣義灰關(guān)聯(lián)度、絕對(duì)關(guān)聯(lián)度、T型關(guān)聯(lián)度、斜率關(guān)聯(lián)度等，這些模型分別按照基于距

給出新的T型關(guān)聯(lián)系數(shù)，并給出了改進(jìn)的關(guān)聯(lián)度的性質(zhì)。本文進(jìn)一步分析唐五湘和孫玉剛的T型關(guān)聯(lián)度的缺陷，并給出改進(jìn)的算法，并通過(guò)實(shí)例驗(yàn)證該方法的可行性。1 預(yù)備知識(shí)1.1 T型關(guān)聯(lián)度的思想唐五湘[2]提出的T型關(guān)聯(lián)度的基本思想如下：按照因素的時(shí)間序列曲線的相對(duì)變化勢(shì)態(tài)的接近程度來(lái)計(jì)算關(guān)聯(lián)度。對(duì)于離散時(shí)間序列，所謂兩曲線的相對(duì)變化勢(shì)態(tài)的接近程度，是指兩時(shí)間序列在對(duì)應(yīng)各時(shí)段△tk=tk-tk-1(k=1,2,…n)間原始變量經(jīng)標(biāo)準(zhǔn)化后的增量的大小來(lái)判定，若在時(shí)段△t

同設(shè)定，對(duì)灰關(guān)聯(lián)系數(shù)的計(jì)算影響較大?；谊P(guān)聯(lián)分析法要求根據(jù)設(shè)定的標(biāo)準(zhǔn)序列，對(duì)樣本數(shù)據(jù)序列中的各指標(biāo)因素進(jìn)行無(wú)量綱化處理。標(biāo)準(zhǔn)序列設(shè)定不同，計(jì)算所得的灰關(guān)聯(lián)系數(shù)相應(yīng)也會(huì)不同。2)灰關(guān)聯(lián)度的計(jì)算方法難以選擇。為將各灰關(guān)聯(lián)系數(shù)的信息加以融合，需計(jì)算灰關(guān)聯(lián)度。目前，除鄧聚龍教授給出的經(jīng)典關(guān)聯(lián)度計(jì)算方法外，廣大灰色理論研究者也提出了多種灰關(guān)聯(lián)度的計(jì)算方法，但這些方法大都具有較強(qiáng)的針對(duì)性和局限性，實(shí)際應(yīng)用過(guò)程中往往難以選擇。尤其對(duì)于不同指標(biāo)的權(quán)重系數(shù)的確定問(wèn)題，通常具有

內(nèi)全部回波的關(guān)聯(lián)系數(shù)，然后利用網(wǎng)格概率的思想將關(guān)聯(lián)系數(shù)小的有效回波的系數(shù)值配權(quán)給其它有效回波，同時(shí)對(duì)于兩跟蹤波門(mén)交叉區(qū)域內(nèi)的有效回波也使用配權(quán)法分別分配給兩個(gè)跟蹤波門(mén)內(nèi)的其它鄰近回波，最后通過(guò)概率加權(quán)進(jìn)行數(shù)據(jù)關(guān)聯(lián)。仿真結(jié)果表明，該算法能夠有效解決多目標(biāo)跟蹤中的數(shù)據(jù)關(guān)聯(lián)問(wèn)題，并且有較高的關(guān)聯(lián)正確率，而且CPU占用時(shí)間較短。多目標(biāo)跟蹤；網(wǎng)格概率；回波關(guān)聯(lián)系數(shù)；有效回波1 引言在多目標(biāo)跟蹤中，數(shù)據(jù)關(guān)聯(lián)是核心問(wèn)題［1-2］，關(guān)聯(lián)的質(zhì)量直接影響到目標(biāo)跟蹤效果。目前，

。（二）計(jì)算關(guān)聯(lián)系數(shù)并繪制灰色關(guān)聯(lián)曲線 記經(jīng)數(shù)據(jù)變換的股價(jià)指數(shù)為母數(shù)列｛x0（t）｝，財(cái)務(wù)指標(biāo)為子數(shù)列｛xi（t）｝，則在時(shí)刻t=k時(shí)，母序列｛x0（t）｝與子序列｛xi（t）｝的關(guān)聯(lián)系數(shù)L0i（k），用下列公式計(jì)算：式中：Γ0i（k）為k時(shí)刻兩比較序列的絕對(duì)差，即Γ0i（k）=|x0（k）-xi（k）|，1≤i≤m；Γmin，Γmax分別為所有比較序列各個(gè)時(shí)刻絕對(duì)差中的最大值與最小值。α稱(chēng)為分辨系數(shù)，可以削弱最大絕對(duì)差數(shù)值太大而失真的影響，提高關(guān)聯(lián)系數(shù)之

惕夫逆矩陣，關(guān)聯(lián)系數(shù)，影響力等，從投入產(chǎn)出的各個(gè)方面分析了廣東省物流業(yè)與其他產(chǎn)業(yè)的關(guān)聯(lián)關(guān)系，從而揭示物流業(yè)在廣東經(jīng)濟(jì)發(fā)展中的地位與作用。投入產(chǎn)出 物流業(yè) 產(chǎn)業(yè)關(guān)聯(lián)一、引言在經(jīng)濟(jì)全球化，信息化加快推進(jìn)的背景下，發(fā)展現(xiàn)代物流已成為推動(dòng)廣東省經(jīng)濟(jì)發(fā)展和競(jìng)爭(zhēng)力的重要舉措。本文從廣東省2007年的投入產(chǎn)出表來(lái)分析廣東省物流業(yè)與其他產(chǎn)業(yè)間的具體關(guān)聯(lián)關(guān)系，從而揭示物流業(yè)在廣東經(jīng)濟(jì)發(fā)展中的地位與作用。按照我國(guó)產(chǎn)業(yè)劃分的標(biāo)準(zhǔn)，本文把42部門(mén)合并為6部門(mén)：農(nóng)業(yè)、工業(yè)、建筑業(yè)、

中,采用灰色關(guān)聯(lián)系數(shù)方法,其原理及步驟如下。1 原理設(shè)某一工程項(xiàng)目招標(biāo),前來(lái)投標(biāo)的有 n家單位,評(píng)標(biāo)專(zhuān)家依據(jù)國(guó)家有關(guān)招投標(biāo)管理規(guī)定及自身項(xiàng)目的特點(diǎn),設(shè)定一組衡量各投標(biāo)方案優(yōu)劣的評(píng)價(jià)指標(biāo)序列,各評(píng)審專(zhuān)家對(duì)前來(lái)投標(biāo)的各方案按預(yù)先設(shè)定的評(píng)審指標(biāo)序列對(duì)號(hào)入座,并量化打分。同時(shí),據(jù)本次前來(lái)參加投標(biāo)的各方案,預(yù)先確定一組最理想的方案,并將其量化為一組數(shù)據(jù)序列。然后,計(jì)算各投標(biāo)方案數(shù)據(jù)序列與理想方案數(shù)據(jù)序列進(jìn)行關(guān)聯(lián)度計(jì)算,關(guān)聯(lián)度最大的投標(biāo)單位表明該方案與理想投標(biāo)方案最相

1—AGO型關(guān)聯(lián)系數(shù)為AGOξi(k)=AGOγ(x0(k),xi(k))=[|AGO(x0(k))-AGO(xi(k))|+其中分辨系數(shù)ζ一般在0與1之間選取.xi(i=1,2,…,m)對(duì)x0的1—AGO型關(guān)聯(lián)度為(i=1,2,…,m)2 模型的合理性記X={xi|i=0,1,2,…,m}Δoi(j)=|AGO(x0(j))-AGO(xi(j))|I={1,2,…,m},J={1,2,…,n}Δ={Δoi(j)|i∈I,j∈J}ΔGR={Δ,ζ,Δoi(

其核心部分是關(guān)聯(lián)系數(shù)的計(jì)算公式.雖然此模型應(yīng)用廣泛，但其存在一定的弊端，不能反應(yīng)發(fā)展態(tài)勢(shì)的波動(dòng)性.因此，有必要對(duì)此模型加以改進(jìn)，使之更具有合理性.關(guān)聯(lián)分析：其中xi=(xi(1),xi(2),…,xi(n)),(i=0,1,2,…,m)為初值化后的數(shù)列，分辨系數(shù)ζ一般在0與1之間選取.例1設(shè)有三組數(shù)列如表1.表1 原始數(shù)據(jù)表A初值化數(shù)列不變.取ζ=0.5計(jì)算得xi(i=1,2)對(duì)x0在k時(shí)刻的關(guān)聯(lián)系數(shù)分別為ξ1(1)=1，ξ1(2)=0.333,ξ1(3)

依度量指標(biāo)：關(guān)聯(lián)系數(shù)、相依系數(shù)和相關(guān)系數(shù)，論述了這三個(gè)指標(biāo)的性質(zhì)，從三個(gè)指標(biāo)所具有的性質(zhì)可見(jiàn)三個(gè)指標(biāo)定義的合理性和科學(xué)性。1 相依隨機(jī)事件的關(guān)聯(lián)系數(shù)定義1 設(shè)A，B是同一樣本空間下的兩個(gè)隨機(jī)事件，若P（A∩B）=P（A）P（B），則稱(chēng)隨機(jī)事件 A，B 相互獨(dú)立。 若 P（A∩B）≠P（A）P（B），則稱(chēng)隨機(jī)事件 A，B 是相依的。定義2 設(shè)A，B是同一樣本空間下的兩個(gè)隨機(jī)事件，稱(chēng)數(shù)量 δ（A，B）=P（A∩B）-P（A）P（B）為隨機(jī)事件 A 與隨機(jī)事件B