[发明专利]一种多维度多指标小样本数据归一化与相关性分析方法在审
| 申请号： | 201910207321.1 | 申请日： | 2019-03-19 |
| 公开（公告）号： | CN110008537A | 公开（公告）日： | 2019-07-12 |
| 发明（设计）人： | 柯德平;徐箭;张辰;刘博;廖思阳;孙元章 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06K9/62 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 薛玲 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种多维度多指标小样本数据归一化与相关性分析方法。对多组数据进行归一化处理；计算协方差矩阵，并计算协方差矩阵的特征值和特征向量，将特征值按顺序排列并将各个特征值对应的特征向量进行单位正交化，采用半度量分析计算各组数据之间的相关性，剔除少量明显不相关的因素；使用G1法对根据各组数据之间的关系按相关程度的大小排序；定义相邻指标间的重要性程度之比；在给定基准指标重要性程度比值后，计算指标间具体的相关性数值；根据相关性数据设计最优化模型，根据优化结果计算得到综合基于归一化数据和基于指标的相关性结果。本发明分析结果更加可靠、精准。 | ||
| 搜索关键词： | 数据归一化 协方差矩阵 特征向量 多维度 多指标 小样本 归一化处理 归一化数据 多组数据 分析计算 基准指标 数据设计 优化结果 正交化 最优化 度量 排序 剔除 分析 | ||
【主权项】：
1.一种多维度多指标小样本数据归一化与相关性分析方法，其特征在于，包括：步骤1：对多组数据进行归一化处理；步骤2，计算协方差矩阵，并计算协方差矩阵的特征值和特征向量，将特征值按顺序排列并将各个特征值对应的特征向量进行单位正交化，采用半度量分析计算各组数据之间的相关性，剔除少量明显不相关的因素；步骤3，使用G1法对根据各组数据之间的关系按相关程度的大小排序；定义相邻指标间的重要性程度之比；在给定基准指标重要性程度比值后，计算指标间具体的相关性数值；步骤4，根据步骤2和步骤3计算得到的相关性数据设计最优化模型，根据优化结果计算得到综合基于归一化数据和基于指标的相关性结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910207321.1/，转载请声明来源钻瓜专利网。
