信息熵法求权重matlab 代码

信息熵法求权重matlab 代码

clear;clc;

[data1,header1]=xlsread('statistic1.xlsx','ECO'); %必须将statistic.xlsx至于默认文件下，或者给出完整路径

[data2,header2]=xlsread('statistic2.xlsx','ECO'); % data1 为10个city数据，data2位20个city数据

size1=size(data1);m1=size1(1,1);d1=data1;d2=data2;

size2=size(data2);m2=size2(1,1);

judge=[6 12 13 16 17 18]; % 需要极大化处理的指标位置

for j=1:length(judge) % 将极小型数据指标极大化，便于计算得分d2(:,judge(1,j))=1./d2(:,judge(1,j));

d1(:,judge(1,j))=1./d1(:,judge(1,j));

end

sum1=sum(d1);sum2=sum(d2);

data22=[];data11=[];

for i=1:m2 % 数据归一化处理

data22=[data22;d2(i,:)./sum2];

end

for i=1:m1

data11=[data11;d1(i,:)./sum1];

end

R=data22;A=R.*log(R);

sum2=sum(A);

E=-1/log(m2)*sum2; %求信息熵

F=1-E; % 求区分度

w=F/sum(F); % 求权重

score=data11*w'; % 综合得分

output=[E;F;w];

score1=5+(score-min(score)+std(score)/length(score))./(max(score)-min(score)+mean(score)/leng th(score))*95;

% 功效系数法，使得得分在[5,100]

[ScoreFinal,index]=sort(score1,'descend'); %降序排列

sort=[ScoreFinal,index]; % 得分与排名

xlswrite('statistic1.xlsx',data22,'norm'); %输出归一化处理数据到statistic1.xlsx

xlswrite('statistic1.xlsx',output,'shang'); %输出熵，区分度，权重statistic1.xlsx

xlswrite('statistic1.xlsx',sort,'sortDescend'); %输出得分与排名statistic1.xlsx