灰色关联性分析

灰色关联性分析（共12篇）

灰色关联性分析 篇1

近年来, 江苏科技投入持续快速增长, 科技对经济的贡献日益明显, 2007年江苏科技进步贡献率达49%。本文利用江苏近8年的数据, 对江苏科技经费投入、科技活动人员与经济增长进行了关联性分析, 并对科技投入中经费投入总量、财政科技投入、企业科技投入、R&D经费这4个因素与经济增长进行了关联性分析, 尝试找出江苏科技投入中各要素对经济增长关联性的大小。

1. 江苏2000-2007年科技投入情况

(1) 科技经费投入情况。

自2000年以来, 江苏GDP以年平均17%左右的速度增长, 江苏经济总量在全国具有举足轻重的地位, 基本保持在全国第二、第三的位置。在经济快速增长的同时, 江苏各类科技经费投入增幅明显 (见表1) , 增长速度年平均25%左右。

但就江苏而言, 2007年科技经费总投入虽然位居全国第一, 各类科技经费投入及其比重仍相对落后。其中:科技经费总支出占GDP比重为3.5%, 位居全国第五, 且与第一的北京相差1倍多。地方财政科技拨款位居全国第五, 占地方财政支出的2.69%, 位居全国第六。R&D经费位居全国第二, 但R&D经费占GDP的比重只有1.67%, 位居全国第五, 且与前四位差距较大。可见, 近年来江苏科技经费投入总量虽然较大, 但各类科技经费投入及其比重相对落后, 与江苏经济总量在全国的地位不符。

(2) 科技活动人员。

(元)

人才作为科技要素中最活跃的要素, 日益得到全社会的重视。近年来, 江苏科技活动人数总体呈上升趋势, 尤其是从2003年开始, 科技活动人数增幅明显 (见图1) 。

2007年, 江苏科技活动人数达43.79万人, 比上年增长14.9%, 位居全国第二, 仅次于广东。江苏科技人才的稳步增长得益于江苏“创新型省份”的建设以及作为科教大省的人力资源优势和省委省政府大力推动“333人才工程”“创新创业人才引进与培育工程”等一系列举措。

2. 关联分析方法

对于两个系统之间的因素, 其随时间或不同对象而变化的关联性大小的量度, 称为关联度。灰色关联分析方法是根据因素之间发展趋势的相似或相异程度, 来衡量因素间关联程度的一种方法。灰色关联度分析对于一个系统发展变化态势提供了量化的度量, 非常适合动态历程分析。其具体计算步骤如下。

(1) 确定分析序列。

设参考序列为:

比较序列为:

(2) 变量因素的处理。

由于系统中各因素列中的数据存在计算单位的不同, 不便于比较或在比较时难以得到正确的结论, 因此在进行灰色关联度分析时, 一般都要进行无量纲化的数据处理, 公式为:

(3) 计算关联系数。

公式为:

(4) 计算关联度。

公式为:

(5) 关联度排序。

关联度按大小依次排序, 如果r1>r2, 则表示x1序列与参考序列的关联度大。其现实意义为:比较序列x1代表的因素作用于参考序列的影响比x2大。

3. 江苏科技投入与经济增长的灰色关联分析

(1) 建立分析模型。

将科技投入分解成5个指标来研究, 由于其中有“经费”和“人力资源”两个不同类型的指标, 故具体分析科技投入对经济增长贡献的关联性将通过两个模型进行。

模型A:科技投入总量、科技活动人数对GDP增长关联分析模型;

模型B:科技投入总量、政府科技拨款、企业科技投入、R&D经费与GDP增长的关联分析模型。

(2) 灰色关联分析。

模型A:分析科技经费支出总量、科技活动人数与GDP增长关联性大小。

(1) 确定分析序列。选择江苏省2000-2007年间的相关数据, 以江苏GDP (X01) 作为参考序列;比较序列为科技经费支出总量 (X11) , 全社会科技活动人员数 (X21) 。参考序列与比较序列排列见表2。

(2) 序列处理。为便于分析, 保证各因素具有等效性和同序性, 本文对原始数据进行了初值化处理, 初值化后排列见表3。

(3) 求绝对最大差值与绝对最小差值。即求:与。之前, 先求参考数列与各比较数列的对应绝对差数列 (见表4) 。

表4表明:△min=0, △max=1.655

(4) 求关联系数和关联度。求比较数列x1对参考数列x0之间的关联系数, 计算时分辨系数ρ按通常取0.5。求得关联系数后, 按照公式求得关联度, 经计算 (略) :比较数列X1对参考数列X0的关联度Y2=0.616;比较数列X2对参考数列X0的关联度Y2=0.623。Y2>Y1。

模型B:分析科技经费支出总量、地方财政科技经费投入、企业科技经费投入、R&D经费与GDP增长关联性大小。

(1) 确定分析序列。选择江苏省2000-2007年间的相关数据, 以江苏国内生产总值GDP (X01) 作为参考序列;科技经费投入总量 (X11) 、地方财政科技拨款 (X21) , 企业科技投入 (X31) , R&D经费 (X41) 为比较序列。参考序列与比较序列排列见表5。

(2) 序列处理。对原始数据进行初值化处理 (见表6) 。

(3) 求绝对最大差值与绝对最小差值。方法同模型A, 求得:△min=0, △max=2.880。

(4) 求关联系数和关联度。经计算:比较数列X1对参考数列X0的关联度Y1=0.717;比较数列X2对参考数列X0的关联度Y2=0.754;比较数列X3对参考数列X0的关联度Y3=0.714;比较数列X4对参考数列X0的关联度Y4=0.662, Y2>Y1>Y3>Y4。

4. 结论与建议

模型A表明:江苏科技经费投入总量、科技活动人员数与江苏经济增长具有较强的关联性, 两者对经济增长作用明显, 且科技活动人员数与经济增长的关联性大于科技经费投入总量与经济增长的关联性。因此, 江苏在加强科技经费投入的同时, 需更加注重科技人才队伍的建设和培养, 尤其是创新创业人才的引进和培养。

模型B表明:科技经费投入总量、财政科技经费投入、企业科技经费投入、R&D经费投入与经济增长有较强的关联性, 四者对经济增长作用明显。对经济增长作用由大到小依次为:政府科技经费投入、科技经费投入总量、企业科技经费投入、R&D经费投入。说明政府科技投入在经济增长中具有较强的引导性, 起到了“四两拨千斤”的杠杆作用。地方财政要继续加大财政科技投入, 充分发挥财政科技投入的引导作用。

单位:亿元

单位:亿元

摘要：采用灰色关联分析法, 利用江苏2000-2007年经济科技主要统计数据, 对科技经费投入、科技活动人员与经济增长进行关联性分析, 并对科技投入中经费投入总量、财政科技投入、企业科技投入、R&D经费这4个因素与经济增长进行关联性分析。结果表明, 各要素与经济增长之间存在正相关性, 且科技人才与财政科技投入对经济增长的影响更大。

关键词：科技投入,经济增长,灰色关联度,分析

参考文献

[1]李建平, 等.科技进步与经济增长[M].北京:中国经济出版社, 2005.

[2]黄中文.科技进步与经济增长的理论与实证分析[J].中国科技论坛, 2000 (3) .

[3]罗佳明, 王卫红.中国科技投入对经济增长的贡献率研究 (1953-2001) [J].自然辩证法研究, 2004.

[4]胡坤.灰色预测评价方法与应用研究[D].南京航空航天大学, 2004.

[5]胡炜.广东省科技投入与经济增长关联性分析[J].科技管理研究, 2008 (9) .

[6]江苏年鉴 (2001-2008年) [Z].南京:江苏年鉴杂志社, 2001-2008.

[7]江苏科技年鉴 (2001-2008年) [Z].北京:科学技术文献出版社, 2001-2008.

灰色关联性分析 篇2

应用灰色关联度分析法对26个绿豆品种(系)的主要农艺性状和单株粒重进行了分析.结果表明农艺性状对单株粒重的关联度从高到低依次为单株英数>百粒重>单荚粒数>荚长>节数>株高.对单株粒重影响最大的`是单株荚数和百粒重.因此.在绿豆高产育种中.应注重对单株荚数和百粒重的选择.

作 者：闫锋 Yan Feng  作者单位：黑龙江省农业科学院齐齐哈尔分院,齐齐哈尔,161006 刊 名：中国种业  PKU英文刊名：CHINA SEED INDUSTRY 年，卷(期)： “”(5) 分类号：S5 关键词：绿豆   农艺性状   灰色关联度  

灰色关联性分析 篇3

[关键词] 长沙物流需求 总货运量 货物周转量 灰色关联分析

一、研究背景

有效的物流需求分析能使物流服务的供给与需求相对平衡，并保证物流活动高效率和高效益。考虑到总货运量和货物周转量可以反映物流需求的变化规律，本文采用货运量和货物周转量作为反映物流需求的重要指标。

二、研究方法

影响总货运量和货运周转量的因素有很多，并且因素之间相互关联，因此这两个指标和这些因素之间的相互影响过程就十分复杂，分不清哪些因素关系密切，哪些因素关系不密切。因此采用灰色关联分析方法对影响总货运量和货物周转量的因素进行分析从而确定影响长沙总货运量和货物周转量的因素中哪些重要，哪些次要或不重要，为长沙制定物流发展规划时候提供决策支持。通过将各种因素每年的数据作为子因素，总货运量和货运周转量为母因素，分析计算各子因素对母因素的关联度。

三、方法运用和结果分析

1.资料来源

以长沙市2001年～2005年的货运总量、货物周转量和长沙市GDP、第一产业增加值、第二产业增加值、第三产业增加值以及工业增加值为分析资料，对其进行灰色关联度分析。长沙是“消费之都”，社会消费品零售额很大程度影响物流需求，因此考虑这个因素。同时近年来长沙市的经济发展很快，人们的购买力水平上升了，这也是影响需求的一个重要因素，也考虑城市居民人均可支配收入。相关数据从《2004年中国城市统计年鉴》及长沙市统计公报资料获得。

2.关联分析和结果

子因素（长沙市主要经济指标）数列Xi，i＝1，2，…，7；母因素（总货运量、货物周转量）数列Yj，j＝1，2；Xi＝{xi（1），…，xi（5）}，Yj＝{yj（1），…，yj（7）}。

(1)原始数据的处理。本文采用的数据是增长型的经济统计数据，因此采用初值化变换，即用数列序列的第一个数去除后面的数据，得到的新数列为原数列的初值的倍数数列。

(2)求关联系数及关联度。以Yj（t）为母因素，先求出Yj（t）与各对应时刻的绝对差值。将上述计算结果代入公式，则得到关联系数。然后将所得关联系数代入，

即分别将各个序列每个时刻的关联系数相加并平均，就得到关联度，计算结果分别列于表1和表2。

(3)结果分析。先看关于影响总货运量的因素的分析结果：

0.799＞0.793＞0.772＞0.767＞0.766＞0.755＞0.747，即影响长沙市货运总量的主要经济指标分别是社会消费品零售额和第三产业增加值。再看对影响货物周转量因素的分析结果:

0.674＞0.664＞0.646＞0.642＞0.617＞0.557＞0.555，即影响长沙市货物周转量的主要经济指标分别是第二产业增加值和社会消费品零售额。

四、结论

从分析的结果可以看出消费是影响长沙市物流需求的一个重要因素。而目前长沙忽视第二产业的发展，使得长沙的产业结构不尽合理。所以长沙促进本市物流业的发展，实现地区经济快速、稳定、健康的增长，需调整好产业结构，优先发展第二产业和第三产业。

参考文献:

[1]肖丹倪梅李伊松:物流需求分析指标研究[J].现代物流. 2003:33－34

[2]王学萌等:灰色系统模型在农村经济中的应用[M].华中理工大学出版社.1989:14

[3]邹志云李硕:公路网规划方案的灰色系统评价[J].中南公路工程. 2000，25（3）

[4]高洁李锦飞 灰色关联分析在物流中心选址决策中的应用[J].工業工程.2004

灰色关联性分析 篇4

循环经济评价是对循环经济发展水平的理性判断, 指以循环经济系统为研究对象, 依据循环经济和生态经济学原理, 运用科学的方法和手段来评价和监测循环经济系统的发展状态、发展水平和发展趋势, 为循环经济活动提供决策依据。

评价指标体系的确定是量化循环经济发展水平、评判循环经济发展质量的基础性工作, 也是最主要的依据。在此基础上, 选择科学的评价方法, 构建恰当的评价模型, 通盘权衡循环经济系统的运转状况, 才能全面、准确地获取有关循环经济发展水平的真实信息。

本文从循环经济系统的“灰色性”角度出发, 基于灰色关联度分析方法, 构建了循环经济灰色综合评价模型, 能够较好地描述循环经济系统的发展状况, 进而为优化管理决策、实施有效管理提供依据。

2 灰色综合评价模型

2.1 选择依据

灰色系统是介于信息完全知道的白色系统和一无所知的黑色系统之间的中介系统。社会、经济等系统具有明显的层次复杂性, 结构关系模糊性, 动态变化随机性, 指标数据的不完全性和不确定性, 即表现为“灰色性”。

在循环经济评价指标体系的构建过程中, 人们或多或少地会对评判对象的某些因素缺乏了解, 使得主观评判依据不足;或是由于评判对象的不断发展变化, 人们的认识会落后于实际, 使评判标准已经成为“过去”;甚至是人们不可避免地会受到评价对象伪信息和反信息的干扰, 导致判断发生偏差, 所有这些情况归结为一点, 就是信息的不完全, 即“灰色性”。据此, 可选用灰色综合评价方法测度循环经济发展水平。

灰色综合评价方法是基于灰色关联度分析的综合评价方法, 关联度反映各评价对象对理想对象的接近次序或达到理想标准的程度, 关联度分析方法是通过分析因素之间发展态势的形似或相异程度来衡量评价对象接近理想对象或达到理想标准程度的方法。

基于灰色关联度分析的灰色综合评价方法采用非统计数学方法, 对数据量没有太高的要求, 不会出现关联度量化结果与定性分析不一致的情况, 在系统数据资料较少和条件不满足统计要求的情况下, 更具有实用性, 完全符合评价对象特征及评价目的要求。

2.2 建立模型

循环经济灰色综合评价模型为:R=E×W。

其中:R=[r1, r2, ……, rm]为m个评价对象的综合评判结果向量W=[w1, w2, ……, wn]T;为n个评价指标的权重分配向量为各指标的评判矩阵, εi (k) 为第i个评价对象第k个指标与第k个

特殊地, 当仅对单个对象进行评价时, 综合评判结果。其中, R为被评对象综合评判结果, 即循环经济发展水平;Wi为各评价指标权重分配;εi为第i个评价指标对理想指标 (标准) 的灰色关联系数。

3 基于灰色关联度的循环经济灰色综合评价模型构建分析

运用灰色综合评价模型对某地区 (企业) 循环经济发展水平进行评价, 可参照如下步骤展开。

3.1 确定比较数列 (评价对象) 和参考数列 (评价标准) 设评价对象为m个, 评价指标为n个,

则比较数列为:Xi={Xi (k) k=1, 2, ……, n}, (i=1, 2, ……, m) ;

参考数列为:X0={X0 (k) k=1, 2, ……, n}。

其中, 参考数列的确定可以根据实际需要采用如下方式之一获取:

(1) 依据相关标准、规范, 分别针对各个指标规定评价主体公认的最优值组成参考数列。

(2) 当评价对象多于1个, 或是就单个评价对象的多个阶段进行评价时, 可以考虑从诸多评价对象中各项指标相应的对比分析中选取最优值组成参考数列, 或是分别按指标从某一评价对象不同阶段的指标值中选取最优者组成参考数列。

(3) 当对单一评价对象的某阶段单独进行评价时, 参考数列的确定可以结合相关标准、规范, 参照相应的规划目标要求, 更好地符合实际, 提高评价的准确度与适用性。

3.2 指标值的规范化处理

(1) 运用数列Xi和X0构造矩阵。

(2) 对原始指标值进行规范化处理。

设第k个指标的变化区间为[Xk1, Xk2], Xk1为第k个指标在所有评价对象中的最小值, Xk2为第k个指标在所有方案中的最大值, 则可通过如下变换将上式中的原始数值变换成无量纲值Ci (k) ∈ (0, 1) 。

这样D※C矩阵:

3.3 确定各指标的权重并计算灰色关联系数

评价指标权重可由层次分析法确定, 记作:。

灰色关联系数ε (k) 的求解公式为:

式中, ρ∈[0, 1], 一般取=0.5ρ。

由εi (k) , 得评价对象各指标的评判矩阵

3.4 计算灰色加权关联度与灰色综合评价结果向量

式中:ri为第i个评价对象与理想对象 (标准) 的灰色加权关联度。

灰色综合评价结果向量:

式中:R为被评对象的综合评判结果向量;E为被评对象各指标的评判矩阵;W为评价指标的权重分配向量。

3.5 评价分析

根据灰色加权关联度的大小, 对各评价对象进行排序, 即建立评价对象的关联序。关联度越大其评价结果越好, 与理想对象状态越相似, 越能够接近评判标准, 在文中即表示本阶段循环经济发展水平较高。

4 结论

循环经济评价能够通过对循环经济系统的运行现状进行评价, 监测循环经济系统状态的变化趋势, 进行预警或是为优化管理决策提供依据。根据循环经济系统的“灰色性”特点, 考虑到数据获取不完全性和不确定性因素的影响, 本文构建了循环经济灰色综合评价模型, 能够在一定程度上为循环经济评价工作的深入开展提供借鉴与参考。

参考文献

[1]牛桂敏.循环经济评价体系的构建[J].城市环境与城市生态, 2005.

[2]杜栋, 庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2005:112-119.

[3]周宏春, 刘燕华.循环经济学[M].北京:中国发展出版社, 2005;61-81.

灰色关联性分析 篇5

应用灰色系统理论分析方法,对18个家蚕纯种的万蚕茧层量与10个主要数量性状的相互关系进行了分析.结果表明,试验分析的.各个性状对万蚕产茧量的关联度大小顺序依次为:茧层量、全茧量、茧层率、四龄结茧率、良卵率、普茧率、虫蛹率、死笼率、同宫茧率、单蛾卵量,为今后家蚕纯种的定向培育和选育种提供了参考.

作 者：王殿平姜虹 曾晓英 黄桂辉 周顺珍 作者单位：贵州省蚕业研究所,贵州遵义,563006刊 名：现代农业科技英文刊名：XIANDAI NONGYE KEJI年，卷(期)：“”(4)分类号：S886.1关键词：家蚕 万蚕茧层量 性状 灰色关联分析

灰色关联性分析 篇6

关键词：农民收入农民消费结构灰色关联分析灰色预测

一、引言

“三农”问题是当前政府和社会普遍关注的热点问题，而农民消费结构则是反映区域农民生活水平、农村和农业发展水平的一项重要内容。影响农民消费结构的因素很多，如消费习惯、生产结构、农民收入、文化水平、消费环境等。就我国农民而言，目前影响其消费结构的主要因素是农民的收入水平。

农民生活消费支出依统计口径可由八大类构成：即食品、衣着、居住、家庭设备用品及服务、医疗保健、交通与通信、文教娱乐用品及服务、其他商品和服务。本文选取了涉及农民消费结构的八项指标，根据统计数据，采用灰色关联分析方法对辽宁省1995－2005年农民的消费结构与收入水平的关系进行量化分析。在此基础上，进一步应用灰色预测方法建立农民收入水平与各项消费支出的预测模型，并对2006－2010年间的农民收入水平与各项消费支出进行预测，进而对各项预测值进行灰色关联分析，最终预测该省农民消费结构与收入水平关系的未来变动趋势。

二、辽宁省农民收入对其消费结构影响的灰色关联分析

(一)灰色关联分析的原理

灰色系统理论是由我国著名学者邓聚龙教授首创的一种系统科学理论，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列下有关统计数据几何关系的比较。求出主因子序列与各行为因子序列之间的灰色关联度。与主因子序列关联度越大的行为因子序列，其发展方向和速率与主因子序列越接近，与主因子序列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的结果。

(二)灰色关联分析的应用

根据灰色理论的相关文献，利用《辽宁统计年鉴》(1996－2006年)的统计资料，选取1995－2005年的统计数据(由于篇幅原因数据未列出)，对辽宁省农民各类消费支出与农民收入进行灰色关联分析。

计算步骤归纳如下：

1、确定主因子序列和各行为因子序列

本文选取农民年人均纯收入为主因子序列，记为：XO(t)选取食品、衣着、居住、家庭设备用品及服务、医疗保健、交通与通x信、文教娱乐用品及服务、其他商品和服务为行为因子序列，记为：Xi(t)

其中，i=1，2，…，n；t=1，2，…，m。n为行为因子个数，m为时间序列长度。

2、数值的均值变换

在计算关联度之前，为消除量纲和量级差异对数据分析可能造成的影响，以增强因素间的可比性，可先对各要素的原始数据做均值变换。均值变换的公式为：

3、排关联序

将年人均纯收入与各项消费支出的关联度γOi(i=1，2…n)按大小顺序排列起来，便组成关联序。关联序直接反映农民年人均纯收入对各项消费支出影响程度的大小，γOi的值越大，说明农民第i项消费支出与年人均纯收入的关联成度越大；反之，γOi的值越小，则其关联程度越小。

(三)计算结果与解释

按照灰色关联度的计算方法，得出辽宁省农民消费结构中的八项支出与其年人均纯收入的关联度(见表1)。

表11995－2005年辽宁省农民消费结构与收入之间的关联度

表1显示，收入对各项消费支出的影响程度不尽相同。1995－2005年间，在辽宁省农民消费支出中，受收入影响最大的居住，表明在过去的11年中，居住支出与农民收入问的关系最为紧密。其后依次是文教娱乐用品及服务、家庭设备用品及服务、衣着、食品、其它商品和服务、医疗保健、交通与通信。

三、辽宁省农民收入对其消费结构影响的灰色预测

(一)灰色预测的原理

本文所采用的预测方法为灰色预测中的数列灰预测，其基础是基于累加生成数列的GM(1，1)模型。数列灰预测的思想是对一个不平稳的随机数列进行累加，而累加生成的新数列的随机性大大减弱，其平稳度则大大加强，便于构造新数列的预测模型。

(二)针对农民收入和各项消费支出建立预测模型

根据系统聚类方法对时间序列进行聚类，本文建模时采用11个年份的所有数据。系统聚类方法的步骤可参见文献。将表1数据作为数列灰预测的原始时间序列，对各项消费支出建立GM(1，1)预测模型。各模型均通过灰预测检验，其预测精度均达到最高精度等级。建模的具体步骤可参见相关文献。

(三)对预测数据的灰色关联分析

对表2的预测数据做灰色关联分析，各项指标预测值与农民收入预测值的关联度情况见表3。

由表3与表1对比可知，预测期内，各项指标与农民年人均纯收入间的关联度较表1有所变动，农民收入对居住、文教娱乐用品及服务这两项消费的影响仍然是分别保持关联度的第1位和第2位，家庭设备用品及服务由第3位降至第4位，食品由第4位降至第5位，衣着由第5位降至第6位，其它商品和服务由原来的第6位上升至第3位。医疗保健、交通与通信将保持原有的第7第8位。

四、预测解释与建议

在预测期内，农民收入对居住、文教娱乐用品及服务这两项消费的影响仍然是分别保持关联度的第1第2位，而且影响程度有增长的趋势。这表明，随着农民收入的增长．农民生活消费结构不断优化，农民要求更舒适的居住环境，越来越看重住房的质量，农民对住房的消费正逐步由数量向质量转变。文教娱乐用品及服务支出与农民收入的密切关系表明，辽宁省农村正逐步跨入小康社会，农民不仅增加了对彩电等耐用文教娱乐消费品的需求，而且随信息技术的飞速发展，电子产品出现多样化，价格逐步降低，电脑也进入了农民的家庭，农民越来越关注子女的教育及自身素质的提升，正逐步由物质消费需求向精神消费需求转变，农民教育费用支出大幅度增长。食品由第4位降至第5位，这项指标位次的变化显示，辽宁省农民生活的恩格尔系数下降，其基本生活需求已经得到满足，农民生活富裕，逐步走向小康社会。其它商品和服务由原来的第6位，上升至第3位，这表明．随着农民收入的增加，农民无论在消费内容、消费方式，还是消费观念上，都将发生一系列重大变化。家庭设备用品及服务由第3位降至第4位，衣着由第5位降至第6位，位序上发生了微小的变动。医疗保健、交通与通信保持在原有的第7、第8位，这提示未来辽宁省农村医疗保健消费增长依旧过于缓慢，受收入的影响程度仍然较弱，原因可能在于医疗费用过高。因此，应下大力度改革农村医疗保健体系，正确引导农民树立卫生和保健意识。

住院收入影响因素的灰色关联分析 篇7

关键词：住院收入,灰色关联分析,关联度,影响因素

随着我国卫生事业改革的不断深入, 医疗市场竞争日益激烈, 各级医院都面临着生存与发展的考验。医院如何适应医疗制度的改革, 主动顺应并积极应对医疗市场的竞争, 又好又快地推进医院的建设和发展是当前医院急需解决的问题。营利是医院生存发展的根本要求, 谈到营利就必须涉及到收入。医院业务收入是反映医院经济效益, 管理水平的重要指标, 它不仅体现了医院一定时期的经营成果, 也是医院生存和发展的资金源泉, 是保持医院可持续发展的物质基础。

住院收入与多种因素相互关联, 以往在医院管理中涉及到多因素分析等方面内容时, 都是采用数理统计方法进行处理的。但统计方法要求有大样本, 典型概率分布和计算工作量大等不足, 使它在实际工作中存在某些局限性。而本文采用灰色系统理论中的灰色关联分析则克服了这些不足, 并提高了分析的准确性, 从而为医院管理者在医院管理过程中提供了科学的、量化的、可靠的信息, 为医院的发展提供科学依据。

1 资料与方法

1.1 资料来源

资料来源我院2005至2010年度医疗业务工作报表, 数据准确、真实、可靠。

1.2 方法

采用灰色关联分析法。确定反映系统行为特征的参考序列和影响系统行为的比较序列。

1.2.1 指标的选择

选择住院收入X0 (万元) 为参考序列, 出院人数 (X1) , 门急诊人次数 (X2) , 职工人数 (X3) , 平均住院日 (X4) , 病床使用率 (X5) (%) , 病床周转次数 (X6) , 固定资产 (X7) 万元, 实际占用总床日数 (X8) 作为比较序列。我院2005至2010年住院收入及相关变量 (因素) 值见表1。

1.2.2 对参考数列和比较数列进行无量纲化处理

由于系统中各因素的物理意义不同, 导致数据的量纲也不一定相同, 不便于比较, 或在比较时难以得到正确的结论。因此在进行灰色关联度分析时, 一般都要进行无量纲化的数据处理。初值化: (平均住院日为低优指标, 为达到同趋势要求, 将平均住院日以倒数法转换为高优指标, 倒数乘以100) 。对原始数据 (参考序列即母序列X0 (t) 和比较序列即子序列Xi (t) 作初值化处理, 得生成数列 (表2) 。

1.2.3 计算X0 (t) 与Xi (t) 在各时刻t的绝对差△0i (t) , 见表3。

从中找出最小绝对差值△min和最大绝对差值△max, 本例:△min=0, △max=0.9062

1.2.4 所谓关联程度, 实质上是曲线间几何形状的差别程度。因此曲线间差值大小, 可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1, X2, ……, Xn, 各比较数列与参考数列在各个时刻 (即曲线中的各点) 的关联系数ξ (Xi) 可由下列公式算出:求X0 (t) 与Xi (t) 在各时刻的关联系数ξ0i (t) (表4) 。

式中, ρ为分辩系数, 一般取ρ=0.5

1.2.5 因为关联系数是比较数列与参考数列在各个时刻 (即曲线中的各点) 的关联程度值, 所以它的数不止一个, 而信息过于分散不便于进行整体性比较。因此有必要将各个时刻 (即曲线中的各点) 的关联系数集中为一个值, 即求其平均值, 作为比较数列与参考数列间关联程度的数量表示, 计算参考序列与比较序列的关联度r0i值, 见表5。

1.2.6 将m个子序列对同一母序列的关联度按大小顺序排列起来, 便组成了关联序, 它反映了对于母序列来说各子序列的“优劣”关系, 排关联序:r06>r01>r02>r07>r08>r05>r04>r03。

1.2.7 住院收入构成及关联度情况见表6。可以看出关联度最大的是药费, 其次是床位费, 第三是检查费。

2 结果与分析

2.1 本文提供的8个比较因素中, 病床周转次和病床使用率、平均住院日是直接反映医院医疗服务效率和资源有效利用、间接反映和衡量医院医疗质量和管理水平的综合指标。职工人数是反映医院规模的 (在病床数相对固定的条件下) , 门急诊人数既能反映医疗质量也能体现医院规模, 但它在某种程度上受院外因素影响较大。

2.2 在住院收入与各有关影响因素的关联分析中, 可以看出病床周转次关联度最大, 为0.7470, 加快病床周转次数, 可有效地利用卫生资源, 提高医院效益。其次为入院人数的关联度0.7315, 说明其对住院收入有较大的影响, 加强病床的周转次数, 缩短平均住院日, 从而提高病床使用率, 入院人数就越多。

门急诊人次数的关联度为0.7236与前两者接近, 说明其对住院收入有较大的影响, 入院人数与门急诊人次数有正向关系。医院应进一步改善就诊环境, 方便患者就诊, 采取合理有效的措施吸引更多的患者。

在医院住院收入与各有关影响因素的关联分析中, 可以看出固定资产的关联度为0.7078, 说明选择项目中以固定资产的投入对住院收入有较大的影响, 特别是高精尖仪器设备的购进, 增加了检查项目, 提高了诊疗水平, 促进了业务收入的增加。

再次为病床使用率, 关联度为0.6458, 提高病床使用率能达到创收的目的, 但应按医院的有关规定, 避免增加院内感染等负面的影响。实际占用总床日数的关联度为0.6461, 它是评价医院工作效率的总量指标、是计算病床使用率等质量指标的基础。职工人数的关联度排最后, 为0.5621, 说明职工人数的增加在一定条件下可创造更多的效益, 但人员配备应合理, 杜绝人员闲置和人力资源浪费, 保持职工队伍的精干和高效。要符合医院发展规划要求, 避免人浮于事。

平均住院日的关联度为0.5709, 说明与住院收入的关联度相对较弱, 医院应缩短平均住院日, 使医院在实现资源成本最小化的同时, 减少患者的直接和间接费用, 减轻患者经济负担, 同时也减少患者的心理负担, 达到医院的综合效益最大化。

2.3 近年来药费占住院收入的比例越来越高, 一方面与住院医生在选择治疗用药时, 忽视一般药物的使用, 过多地选择新药及昂贵药品有关;另一方面, 与致病微生物抗药性增强, 常规用药疗效不好, 临床上使用新药、进口药品增多有关。由于医院药品销售的边际收益较低, 而劳务价值又未能充分体现, 要实行增收的目的就必销售大量的药品才能达到, 特别在市场经济体制下药品价格受市场和成本的影响, 上涨辐度较大且较频繁以及各种不正常的药品回扣现象的影响, 将诱发药品的不合理使用, 并造成医院费用不断上涨。在住院收入中检查费占了较大的比重, 但各项检查仍应以合理、有效及适用为原则, 避免过多依赖于医疗设备的检查来指导治疗, 增加患者的经济负担。

2.4 通过对我院住院收入的关联因素分析, 住院收入的增加主要是通过改善服务环境、提高医疗质量、吸引更多患者就诊、工作量增加和效益提高而取得。从以上分析来看, 今后, 我院要提高经济效益, 就必须以患者为中心、以市场为导向, 进一步加强专科、特色门诊的建设, 努力提高医疗质量, 美化就医环境, 改善服务态度, 提高医疗技术水平, 通过精湛的技术, 优质的服务, 赢得患者信任, 扩大社会宣传及影响, 提高社会效益, 以加大对患者的吸引力。

3 讨论

对于两个系统之间的因素, 其随时间或不同对象而变化的关联性大小的量度, 称为关联度。在系统发展过程中, 若两个因素变化的趋势具有一致性, 即同步变化程度较高, 即可谓二者关联程度较高;反之, 则较低。因此, 灰色关联分析方法, 是根据因素之间发展趋势的相似或相异程度, 亦即“灰色关联度”, 作为衡量因素间关联程度的一种方法。灰色系统理论提出了对各子系统进行灰色关联度分析的概念, 意图透过一定的方法, 去寻求系统中各子系统 (或因素) 之间的数值关系。因此, 灰色关联度分析对于一个系统发展变化态势提供了量化的度量, 非常适合动态历程分析。灰色系统理论是我国著名学者邓聚龙教授于20世纪80年代初首创的一种新型理论, 它适用于系统因素、结构及因素关联不完全明确, 即信息不完全的数据分析。在现有系统分析的量化方法中, 大都采用数理统计的方法, 如回归分析、方差分析、指数分析、主成分分析等, 其中以回归分析用得最多。然而回归分析有其固有的弱点, 如要求有大量样本, 要求样本有较好的分布规律, 计算工作量大, 可能出现量化结果与定性分析结果不符的现象, 因此大都只用于少因素的、线性的系统, 对于多因素的, 非线性的系统则难以处理。而灰色系统提出的灰色关联分析法所需要的时间序列短、统计数据少, 不要求数据有典型分布, 算法简便易行, 而被广泛应用。医院住院收入也是一个灰色系统。本文应用灰色系统灰色关联理论, 对影响我院住院收入的各种因素进行分析, 计算灰色关联度, 并排出关联序, 从而得出不同因素对住院收入影响的定量结果[1,2,3,4,5]。综上所述, 灰色系统灰色关联理论能够全面地、比较客观地反映出医院住院收入与各影响因素之间的相互关系, 并且能够使这种原本模糊的、仅限于定性描述的关系, 得以清晰地量化。因此应用灰色关联分析, 分析影响住院收入的因素, 是科学的、可靠的。

参考文献

[1]邓聚龙.灰色系统基本法[M].武汉:华中理工学院出版社, 1987:17-34.

[2]王学知.病床周转次数影响因素的灰色关联分析[J].中国医院统计, 2008, 15 (3) :203-204.

[3]邵珠艳.医院工作质量的灰色综合评判[J].中国医院统计, 2006, 13 (1) :15-16.

[4]严茂春.某院住院收入影响因素的灰色关联分析[J].中国医院统计, 2010, 17 (2) :153-155.

灰色关联性分析 篇8

零件加工方案的决策是制造系统规划设计。基于特征的加工方案决策就是针对零件的各个待加工特征,先确定每个特征的加工方案,然后由各个特征的加工方案组合形成零件的加工方案的过程。零件加工方案的决策在传统的创成式CAPP系统和CAPP专家系统都是将各类特征的典型加工方法简化成决策树或决策表的形式,采用基于规则的知识表述和推理。这种基于产生式的推理系统知识表达方法单一,推理策略欠灵活,使推理的效率很低。吴丹应用前向多层神经网络选择加工方法[1]通过大量的加工方法选择样本对神经网络进行训练,通过神经网络的计算,输出特征对应的加工方案。应用神经网络方法可以克服产生式规则系统中存在的规则组合爆炸和匹配冲突等问题。但是,神经网络学习样本设计中,需要对特征加工方案进行简化,样本数量太小,计算结果的误差大,样本数量太大,样本训练的时间长,另外神经网络计算的结果难以支持多工艺方案决策。邵新宇、秦宝荣提出了基于模糊推理的特征加工方案决策方法[2,3],应用模糊综合推理的理论和方法解决特征加工方案提取问题。

加工方案的决策是一个复杂的过程,因为每个零件有多个特征,每个特征又有多种加工方案可供选择,并且方案决策时还要受设备、生产环境等的影响,所以影响加工方案的决策的因素很多,各因素联系又不是全然确知的,属于部分信息已知、部分信息未知,即所谓的灰色系统。灰色关联是灰色系统理论的重要内容,是研究事物相互关系的有力方法[4]。本文利用灰色关联筛选出可行的加工方案,并能对可行方案与最佳因素集的关联度的计算,确定可行加工方案的优先等级。

1 零件加工方案决策体系

由于零件是由不同的加工特征组合而成,因此零件的加工方案决策为2级加工方案决策:即单个特征的加工方案选择以及零件的所有加工特征的加工方案的整合。

1.1 零件单个特征的加工方案决策

a) 单个特征的加工方案决策体系

单个特征的加工方案决策是面向加工零件单个特征的各项指标,在众多的加工方案中,选择出符合要求又相对较优的加工方案,所以它是一个多目标优化问题,需要建立一个可行的加工方案决策指标体系[5]。在加工方案选择过程中,首先考虑满足零件的形状特征和工艺特征的要求,同时考虑选择此加工方案加工设备的利用率以及成本。因此建立如图1所示的加工方案评价指标体系。

在图1的评价体系中,加工方案选择涉及形状、材料特征、热处理、生产批量、尺寸、形状精度、位置精度、尺寸精度、粗糙度等因素。形状是零件形状是否适合此加工方案,如箱体上的锥孔一般采用锪或铰的加工方案而不用镗,盲台阶孔一般用镗等等;尺寸主要是考虑加工特征的尺寸大小是否适合此加工方案,孔径分为大、中、小三种类型;生产批量主要分为大、中、小不同的批量;材料特征中的热处理主要是考虑零件材料是否淬火;材料类型考虑不同的材料,主要考虑黑色金属如钢、铸铁和有色金属;形状精度、位置精度、尺寸精度均按国家标准确定等级,粗糙度直接采用国标中Ra值。

加工方案除了受以上技术要求方面因素的影响,还受如设备的投资成本、制造成本、生产率的影响。甚至于随着环保和能源意识的日益增强,材料消耗率和环境污染也必将影响加工方案的选择[6]。加工方案选择主要是选出满足技术要求的可行的加工方案,至于对生产成本的优化以及绿色加工的因素在后续的设备选择中作为重点加以考虑。

b) 单个特征的加工方案决策

设加工特征论域、加工方法论域分别为A1,A2,上述论域都是有限集合。对应于f1类特征的全部加工方案的集合M1={m1l,ml2,…,min}是加工方案论域A2上的子集,N为加工方案的数量。

fl→Ml={ml1,ml2,…,min}

1.2 零件的加工方案决策

一个零件通常有多个特征,不同特征对应的加工方案可能包含有相同的加工方法。对零件各个特征的加工方法进行并集,确定零件的加工方法集。

设零件加工特征的集合F={f1,f2,…,f1}是加工特征论域A1上的子集。特征fl的加工方案集合Ml={ml1,ml2,…,min},为A2论域中对应特征加工方案论域中的子集。零件的总加工方案集为

undefined

需要说明的是,在某一个生产车间或生产单元,经常是多类型零件的混合加工。由于不同零件的加工方案选择不同,零件的加工工序会有重复和交叉,致使一台设备可能需要加工多个零件的特征,被重复选择的设备加工负荷增大。并且由于零件的批量也有差异,也会造成某些设备加工负荷的失衡。所以在后续的设备选择时还要考虑设备数量的增减以及设备的调度。设备的增减包括对加工负荷非常小的设备可考虑采用外协加工,对加工负荷大的设备优先考虑数控设备,提高生产率,有必要时增加设备数量。设备调度是考虑多个加工任务之间的协调问题,使得整个生产计划顺利进行,并且资源利用率最高、加工成本最小。上述设备的调整导致在有必要的情况下,对一些零件的加工方案进行适当变动,使整个车间或单元的加工方案达到最优。

2 灰色关联的基本原理

灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之就越小。对一个抽象的系统或现象进行分析,首先要选准反映系统行为特征的数据序列。找出系统行为的映射量,用映射量来间接地表征系统行为。

设参考数列(即母数列)为:

X0={X0(k)|k=1,2,…,n} (1)

比较数列(即子数列)为:

Xi={Xi(k)|k=1,2,…,n},i=1,2,…,m (2)

则Xi(k)与X0(k)的关联系数为:

undefined

式中:Δi(k)=|X0(k)-Xi(k)|,为第k点Xi(k)与X0(k)的绝对差。其中,ξ∈(0,+∞),ξ称分辨系数。ξ越小,分辨力越大。一般ξ的取位区间为[0,1],更一般地取ξ=0.5～0.7,具体取值可视具体情况而定。undefined称为两级最小差,其中undefined为第一级最小差,表示在Xi曲线上,各相应点与X0曲线上各相应点的距离的最小值;undefined表示在各曲线找出的最小差undefined的基础上,再按i=1,2,…,m找出的所有曲线中最小差的最小差。undefined为两级最大差,意义同两级最小差相似。γ(k)为在k点的关联系数。

整条曲线Xi与曲线X0的关联度可定义为:

undefined(4)

3 实例分析

3.1 零件单特征的加工方案决策

根据灰色关联理论,首先需要确定因素集和被选方案集,确定最佳指标集,然后运用灰色关联对各被选方案集进行选择,计算它们与最佳指标集的灰色关联度,最终确定出可行的加工方案。

如某工厂需要加工如表1所示的5类孔。

a) 因素集

因素集主要是按加工方案所能达到的各项加工指标确定,并用矢量表示为:(x1,x2,…,xm)。从加工方案的评价体系中可确定加工方案的因素集为:形状匹配度、尺寸匹配度、生产批量、材料特征、毛坯、精度,具体见表2。

为了便于特征的表达和简化模型,可采用数值表示特征的方法。如孔的形状主要分为圆柱孔、圆锥孔、螺纹孔、细长孔、盲孔、中心孔共6类,分别用1,2,3,4,5,6表示;材料特征分为黑色金属(包括钢和铸铁)和有色金属,分别用1,2表示;热处理分为非淬火、淬火,分别用1,2表示;生产批量分为大批、中批、小批,也分别用3,2,1表示;孔的尺寸(主要指直径)分为大、中、小,分别用3,2,1表示;形状精度、位置精度、尺寸精度和表面粗糙度就用本身的数值来表示。

b) 构建加工方案集

方案集则由可选的加工方案构成,用矢量表示为:Y=(y1,y2,…,yn),n为备选加工方案数。

单个特征为内孔,对应的孔加工方案集Y={y1,y2,…,y16},其中y1={钻,扩,拉};y2={钻};y3={钻,拉};y4={钻,拉,精拉};y5={钻(扩),粗铰};y6={钻(扩),粗铰,精铰};y7={钻(扩),粗铰,精铰,珩磨};y8={钻(扩),精镗};y9={钻(扩),精镗,珩磨};y10={钻(扩),精镗,金刚镗};y11={粗镗(钻),半精镗};y12={粗镗(钻),半精镗,精镗};y13={粗镗(钻),半精镗,精镗,精磨};y14={粗镗(钻),粗磨,半精磨,精磨};y15={粗镗(钻),半精镗,精镗,金刚镗};y16={粗镗(钻),半精镗,浮动镗}。

以上孔的加工方案能达到的各因素的指标(表3)。

c) 确定最优指标向量

对各评价指标量化后,确定最佳指标集。最佳指标集是针对具体零件特征来说,由最理想的加工指标值构成的最理想的加工方案。如孔1,则最优指标向量为x*=(圆柱,铸铁,未淬火,单件,中径,IT8,IT7,IT14,6.3)

d) 规范化处理

加工方案评价体系中的各项指标具有不同的量纲和数量级,不能直接进行比较,需对各项数据进行预处理。各项指标中有些属性值不是数值型,如形状匹配、尺寸匹配、生产批量、热处理、材料类型、毛坯等。这类属性需要根据加工方案是否满足其要求进行赋值。如某加工方案能满足加工此类特征形状的要求,则值为1,否则赋0值;若属性值为数值,且需与加工特征相比较的可直接采用数值,但为了消除不同物理量纲对决策结果的影响,需要做规范化的处理。如形状精度、位置精度、尺寸精度、粗糙度。由于这个因素都有一定的范围,如加工方案y1的尺寸精度X8为11～12,则xundefined=11,xundefined=12,处理公式为:

undefined

e) 模型求解结果

通过对上述5类孔进行灰色关联度的计算,求得各类孔的最佳加工方案及各加工方案与最佳因素集的灰色关联度排序,如表4。

从表4中的结果来看,孔2,孔4,孔5的决策加工方案与文献[7]中推荐的加工方案完全符合,而孔1的加工方案y8与推荐方案y9相比,少了一道“半精镗”加工工序,孔3的决策加工方案y9比推荐的加工方案y10少了“精镗”加工工序,是因为零件的孔在设备精度保证和加工技术熟练的情况下,决策加工方案已能满足要求,否则应相应增加半精镗和精镗工序,即为文献[7]推荐的加工方案。并且从计算的加工方案的关联度来看,文献[7]推荐的加工方案的优先度仅次于决策的加工方案。

3.2 零件的加工方案集决策

由于零件上各个特征可能存在多种加工方案,每个加工方案中包含的加工方法以及加工链的长短也各不相同,所以有必要对各特征的不同加工方案进行合理组合。可采用改进的粒子群算法,以加工方法最小,加工链最短,加工成本最低为目标,对各种不同的组合方案进行优化,最后优化出零件的多种加工方案集。由于篇幅有限,此处另文阐述。

4 结语

零件特征加工方案的确定是制造系统规划和设备选 表4孔的加工方案结果及与推荐方案的比较择的根本,由于它的多样性使得加工方案难以确定。采用灰色关联技术,不仅能较精确地确定零件的最佳加工方案,而且将可行加工方案按关联度排序,然后按一定的关联度,筛选出一组可行的加工方案,为后面的设备选择做准备。从计算结果来看,该方法计算简单、计算效率高,并且支持多工艺方案决策,实用性强。但需要完善的是虽然加工成本、加工效率、对环境的影响等因素会在设备选择中重点加以考虑,但这些因素对加工方案的选择还是有着一定的影响,以后加工方案决策因素中可考虑增加这些因素。

参考文献

[1]昊丹,王先速,蒲建.应用前向多层神经网络选择加工方法[J].制造技术与机床,1996,(12):8-10.

[2]邵新宇,李培根,机床设备选择的多级模糊综合评判模型[J].华中理工大学学报,2000,28(10):1-3.

[3]秦宝荣,王宁生.基于遗传算法的箱体加工路线决策方法研究[J].中国机械工程,2002,13(21):2071-2075.

[4]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,1999.

[5]Houshmand.Mahmoud,Jamshidnezhad.Bizhan.An extendedmodel of design process of lean production systems by means ofprocess variables.Robotics and Computer-Integrated Manufactur-ing,2006,22(1):1-16.

[6]He,Yan,Liu,Fei.Process planning support system for greenmanufacturing and its application.Computer Integrated Manufac-turing Systems,CIMS,2005,11(7):975-980.

灰色关联性分析 篇9

关键词：农民收入,因素,灰色关联度分析

1 云南农村居民收入现状

云南是个多民族的省份, 除汉族外境内聚居着彝、白、哈尼、回、傣等25个少数民族, 少数民族的人口占总人口的34%;民族自治地域达27.6万km2, 占全省总面积的70%左右, 民族居住的县多达70多个。改革开放30年来, 云南农村居民收入已有了巨大的增长, 然而, 由于自然、历史、经济、社会等方面的原因, 云南农民增收仍然困难, 增收的基础仍然比较薄弱, 增收的渠道仍然比较单一, 增收幅度小, 缺乏增收的长效机制, 贫困问题突出, 城乡差距越来越大。2007年全国农民人均纯收入达4140元, 而云南农民人均纯收入为2634元, 远远低于全国平均水平;全省城乡居民收入比扩大到4.36∶1, 绝对差距达到8862元。这些问题的存在, 已经影响到云南经济的快速发展, 并对云南的社会稳定产生不利影响。所以, 云南农民的持续增收问题, 直接关系到国民经济的持续快速健康发展, 直接关系到农村的社会稳定和国家的长治久安, 直接关系到全面建设小康社会目标的实现。

目前, 人们对影响云南农民增收的因素进行了大量的定性理论研究, 但是, 对调查数据的定量统计研究还比较少, 因此, 本文采用灰色系统关联度模型对调查数据进行统计分析, 从数据中挖掘出有效信息, 明确了影响云南农民收入的主要因素, 具有一定的参考意义。

2 灰色关联度模型概述

灰色关联度数学模型是灰色系统分析的一个重要方法。它是对一个系统发展变化态势的定量描述和比较的方法。发展态势的比较, 依据空间理论的数学基础, 按照规范性、偶对对称性、整体性和接近性这四条原则, 确定参考数列 (母数列) 和若干比较数列 (子数列) 之间的关联系数和关联度。关联度描述了系统发展过程中, 因素间相对变化的情况, 也就是变化大小, 方向与速度等的相对性。如果两者在发展过程中, 相对变化基本一致, 则认为两者关联度大;反之, 两者关联度就小。目的是寻求系统中各因素间的主要关系, 找出影响目标值的重要因素, 从而掌握事物的主要特征, 促进和引导系统迅速而有效地发展。

计算步骤如下:

(1) 选定云南农民人均纯收入为参考序列X0 (t) , t为年限, t=2003、2004、2005、2006、2007;选择与农民人均年初收入密切相关的农村经济收入来源的11个项目作为比较序列, 它们是:农业收入X1 (t) , 林业收入X2 (t) , 牧业收入X3 (t) , 渔业收入X4 (t) , 工业收入X5 (t) , 建筑业收入X6 (t) , 交通、运输、邮电业收入X7 (t) , 批发和零售贸易、餐饮业收入X8 (t) , 社会服务业收入X9 (t) , 文教卫生业收入X10 (t) , 其他收入X11 (t) 。对原始数据做初值化处理:Xi (t) =Xi (t) /Xi (2003) (i=0、1、2…11, t=2003、2004、…) 。求参考变量数列x0与比较变量数列xi之间的绝对差:△0i=x0 (k) -xi (k) (i=1、2…11, t=2003、2004、…) , 找出最小值△min=0和最大值△max=2.045643。如表1为云南农村居民人均纯收入相关因素指标数据。

(2) 计算灰关联系数: (i=1、2…11, 0

(3) 求出关联度:关联度系数分析结果与排序见表2。

3 结果分析与建议

从表2可以看到影响云南农民人均纯收入的主要因素是农业, 关联度系数达0.9530, 位居诸要素之首, 成为影响农民人均纯收入的主导因素。这是因为云南气候资源丰富, 立体气候明显, 生物资源多样, 有利于开发优势特色产品。排在其后的是牧业收入, 其原因是云南属高原山区, 优质的牧草基地和饲料作物为发展草食畜禽提供了有利条件。交通、运输、邮电业和建筑业也是影响农民收入的重要因素, 分别排在第三位和第四位。因此, 增加农民人均收入, 当前就要提高第二、三产业的比重, 促使农村剩余劳动力向非农产业转移。云南是多山地区, 林业资源丰富, 林业产业的发展应该是农民增收的重要源泉, 但是林业影响农民人均纯收入的关联度系数是0.6470, 排在最后, 可以看出云南农村产业结构极不合理, 严重影响了农民收入的持续增加。因此, 为进一步提高农民的收入水平, 应调整和优化农村产业结构, 着重发展特色产业。

(1) 调整和优化种植业结构, 发展优势产业。云南气候资源丰富, 物种多样, 花卉产业、水果产业和天然药材产业是云南的优势特色产业, 通过科学规划, 合理布局, 提高产业化程度, 能够为农民增收提供广阔的前景。

(2) 利用资源优势, 大力发展畜牧业。云南山区多, 拥有大面积的草场, 为草食家畜的生长提供有利的优势条件。利用资源优势, 通过品种改良和规模养殖, 能够极大的提高农民收入水平。

(3) 充分发挥地区优势, 大力发展林果业。云南山区面积占全省总面积的94%以上, 80%的人口在农村, 拥有60%的林地。由于特殊的地理位置、地形地貌和气候条件, 在一些贫困山区境内孕育着从热带、亚热带、温带、寒温带和寒带的丰富的生物种类, 非木材产品资源非常丰富, 其中经济林产品、食用菌产品、竹和竹制品及山野菜等占有较为重要的经济地位。加强宏观管理, 合理布局规划, 提高林产品资源的产业化、规模化水平, 提高林果产业在农民收入中的比重。

(4) 大力发展非农产业, 提高产业化水平, 促进农村剩余劳动力转移。云南第二、三业发展缓慢, 产业化水平不高, 严重影响了农村剩余劳动力的转移和农民收入水平的进一步提高。当前大力发展乡镇企业和农村个体私营经济, 坚持加快旅游业的发展, 能够拓宽农民的就业渠道。

参考文献

[1]马军.云南民族地区经济、社会可持续发展的思考[J].生态经济, 2000 (5) .

[2]吴增基.现代社会调查方法[M].上海:上海人民出版社, 2003.

[3]易德生.灰色理论与方法——提要·题解·程序·应用[M].北京:石油工业出版社, 1992.

[4]吕素芬.云南省特殊贫困原因分析及对策研究[J].学术探索, 2007 (5) :38-44.

[5]吴波.浅析云南农村富余劳动力的转移[J].云南社会科学, 2003 (S2) .

[6]尹毅.关于新时期云南农村反贫困问题的思考[J].云南社会科学, 2003 (S1) .

灰色关联性分析 篇10

一、文献综述

国外顾客满意度研究始于20世纪60年代初期,经过几十年的研究积累,取得了一定的成果。瑞典、德国、美国、加拿大和新西兰等国家先后建立了顾客满意度指数模型,澳大利亚学者Madox R.N在1985年进行了旅游业满意度测量的研究,David Foster以澳大利亚为例分析了旅游业顾客满意度的现状、意义和测量,Akama等运用Parasuraman等的SERVQUAL模型对肯尼亚Tsavo West国家公园的游客满意度进行测量和服务质量分析[2];Tavite等指出对游客满意度不能只关注具体的数值,而应当将满意度测度作为综合管理计划的重要部分[3]。20世纪90年代后期,美国、英国、墨西哥、印度尼西亚等国家对旅游地顾客满意度进行了实证探索。

国内早期的研究主要是针对顾客满意度的研究,理论及实践是在20世纪90年代发展起来的。在理论模型方面,易丹辉(2003)介绍了顾客满意度测评的方法。白长虹、廖伟(2001)探讨了顾客价值感知与顾客满意的关系。近年来,青岛海尔、四川长虹等我国部分大中型企业也在探索用户满意战略,各大市场研究公司也为企业进行满意度调查[4]。国内关于游客满意度的研究尚处于起始阶段,王群等人根据美国的顾客满意度指数(ACSI) 从环境感知、旅游期望、游览价值、游客满意度、游客忠诚和游客抱怨6大影响模块建立了旅游环境游客满意度指数(TSI)测评模型,并对黄山风景区进行了实证分析。汪侠等结合旅游业的特点,构建了旅游地游客满意(TDTS)模型,并对桂林游客进行了实证研究。梅虎等运用灰色模糊聚类方法对桂林的4A级旅游景区顾客满意度进行了测评。目前,国内对于入境旅游的满意度研究还比较少,马秋芳,杨新军等以西安欧美游客为例,运用回归分析对入境旅游者的满意度进行了测度[5]。

二、研究设计

当前对于游客满意度的研究主要集中在以下几类方法:(1)根据美国的ASCI指数构建的TSCI指数;(2)基于邓聚龙的灰色关联分析而构建的模型进行研究;(3)运用层次分析法、因子分析法、模糊综合评价等方法进行研究。灰色关联分析方法具有一定的优势,能够克服客观事物或因素之间相互关系比较复杂、得不到全面足够信息、不容易形成明确概念的缺陷;能够将评价因素之间的不完全确知关系进行白化,对信息不精确、不完全确定的小样本系统进行明显的理论分析。游客满意度的研究是通过对游客进行问卷调查而获得的信息,调查的对象只是部分游客,而不是全部的游客,而且不同的游客由于年龄、地区、性别等差异使问卷所获得的信息产生异同,这些问题恰恰是灰色关联分析可以解决的。

本文运用灰色关联分析法,根据国家旅游局2003年修订的国家标准《旅游区(点)质量等级的划分和评定》,以及有关学者的研究[6],对沈阳的14个景区游客的满意度进行了测量,调研时请游客对影响上述旅游景区顾客满意度的16个指标在[0,10]的范围内进行评价打分,分值越高表示旅游者满意程度越高[7]。然后对采集的各项满意度评价指标数据进行均值计算,从而得到本研究的基础数据。

三、游客满意度的灰色关联分析

1.确定分析序列。

灰色关联分析[8]首先在对所研究问题定性分析的基础上,确定比较序列(评价对象m个)Xi={Xi(k)|i=1,2,3,…,m}和参考序列(评价标准n 个)X0={X0(k)|1,2,3,…,n},m+1个数据序列矩阵如下:

undefined

2.对变量序列数据进行标准化处理。

由于游客满意度评价的原始数据具有不同的量纲和量纲单位,为了保证评价结果的科学性与准确性,需要对原始数据进行标准化处理,本研究采用初值法进行标准化处理:

undefined

3.求最大差、最小差和差序列。

(1)绝对差值阵中最大数和最小数即为最大差M和最小差m:

undefinedundefined(3-2)

(2)差序列:

Δ0i(k)=|X′0(k)-X′i(k)| (3-3)

其中,i=1,2,3,…,m;k=1,2,3,…,n。

4.确定各指标值的权重。本文采用层次分析来确定各指标对应的权重:

W={Wk|k=1,2,3,…,n} (4)

其中Wk为第k个评价指标对应的权重。

5.计算灰色关联系数。

undefined

ρ为分辨系数,在(0,1内取值,得关联系数矩阵(根据灰色理论理论创始人邓聚龙教授的研究,ρ一般取0.5效果较好,所以本研究令ρ=0.5):

undefined

6.计算灰色关联度。

undefined

ξ0i表示灰色关联度,Wk表示第k个指标的权重,ξ0i(k)表示第k个指标的关联系数。

四、结论与讨论

运用灰色关联分析模型以及游客满意度评价的基础数据计算得到沈阳14个景区游客满意度的评价值,根据评价值将14个景区的游客满意度划分为5个类别,如表1所示。

第一类别(很满意,占21%):沈阳故宫、沈阳昭陵、沈阳福陵。这三个景区是清王朝时期留下的古建筑群类旅游地。2004年7月1日,三个旅游区与抚顺的永陵进入世界遗产名录,在沈阳地区的景区中具有举足轻重的地位。游客对于三个景区的各项满意度指标评价都很高,除了旅游容量的满意度稍低之外,其余的均在9.0以上。三个景区由于具有深厚的历史文化色彩,所以外地来沈阳的游客很多都要到这些景区进行游览,三个景区每天的接待压力很大,形成巨大的游客量是必然的,同时这也是影响游客满意度的一个重要因素。

第二类别(满意,占21%):九一八历史博物馆、新乐遗址、张氏帅府。在这一类别的三个景区中,游客的满意度相差不大。影响满意度较大的主要是旅游娱乐服务、景观质量、住宿服务、餐饮服务。这三个景区都位于沈阳市的市内,交通非常便利,旅游管理、旅游安全等方面都领先于其他景区。但这三个景区都属于参观性景区,没有参与性,展示的是以具有纪念意义、历史意义的情景为主。九一八历史博物馆的游客满意度最高,历史教育意义较浓厚,加之免费的景点门票,成为吸引众多旅游者的一个关键点,同时也对游客形成了较好的总体印象,但在景观质量、旅游餐饮等方面还有待提高。新乐遗址由于规模较小,同时较缺少娱乐服务、住宿服务,周围环境较差,使其排在了这一类别中的第二位。张氏帅府由于其景观质量、商品购物、娱乐服务方面的落后,导致其满意度位于这一类别中的最后一位。第二类别的满意度总体较高,游客对于三个景区大部分的满意度指标评价都较高,只是由于个别因素较低导致其满意度低于第一类别。因此,在未来的发展中这三个景区应该调整使游客满意度较低的因素,不断的提高其总体满意度。

第三类别(较满意,占16%):沈阳棋盘山、沈阳世博园。这两个景区属于同一类别,都位于沈阳的棋盘山风景名胜区内。距离市区交通距离较远,由于位置的偏远使其餐饮服务、住宿服务、娱乐服务相对落后,同时通讯、旅游安全等指标的满意度也较低,这样就造成了这两个景区满意度不高,排在第三类别。但沈阳世博园与棋盘山分别是国家级的5A与4A景区,对于游客具有一定的吸引力,这也是两个景区满意度领先于后两类景区的原因。

第四类别(一般,占21%):三农博览园、沈阳森林公园、陨石山公园。这三个景区都位于沈阳的郊区,三农博览园与陨石山公园距离沈阳最远。它们都是沈阳的主题公园,以自然风光、珍稀动物、奇山异石为主要吸引点。由于与市区距离的很远,所以在景区的安全、景区特色、景区管理等方面存在很多问题;由于服务意识的淡薄,使其整体满意度较低。

第五类别(不满意,占21%):可口可乐旅游区、辽宁省博物馆、沈飞航空博览园。这一类别的三个景区都是沈阳的工业旅游典型旅游地,它们的发展在旅游满意度的各个方面存在着一定的问题,造成其整体满意度位居最后一个类别。可见沈阳的工业旅游在发展中针对于游客满意度还有很多需要解决的问题,这也是沈阳工业旅游在未来的发展中首要解决的问题。

参考文献

[1]汪侠,梅虎.旅游地游客满意度:模型及实证研究[J].北京第二外国语学院学报,2006(7):1-6.

[2]AKAMA J,DAMIANNAH M K,Measuring touristsatisfaction with Kenya′s wildlife safari:A casestudy of Tsavo West NationalPark[J].TourismManagement,2003(24):73-81.

[3]TAVITE ML,ANDRE ME.Reviewof satisfactionresearch and measurement approaches[M].Wel-liongton:Department of Conservation,2000:1-47.

[4]张新安,田澎,张列平.上海顾客满意指数测评模型研究[J].工业工程与管理,2002(5):29-33.

[5]马秋芳,杨新军,康俊香.传统旅游城市入境游客满意度评价及其期望-感知特征差异分析——以西安欧美游客为例[J]..旅游学刊,2006(2):30-35.

[6]汪侠.旅游地顾客满意度研究[D].桂林工学院硕士学位论文,2004:1-60.

[7]梅虎,朱金福,汪侠.基于灰色关联分析的旅游景区顾客满意度测评研究[J].旅游科学,2005,19(5):28-32.

灰色关联性分析 篇11

关键词：灰色关联分析；供应链；信用风险；评估

一、权重测定方法

如何更好的进行权重的测定是必须要解决的问题。在权重方法测定的研究中，很多学者进行了大量的研究，其中具有代表性和可行性的方法是结构熵权法。程启月（2010）[1]根据熵理论提出了一种主客观相结合的权重确定方法，其基本指导思想是将采集专家意见的德尔菲专家调查法与模糊分析法相结合，形成“典型排序”按照给定的熵决策公式进行熵值计算、“盲度”分析，并对可能产生潜在的偏差数据统计处理，根据主客观结果加权平均值的方法测定了最后的权重，这种方法保留了主观方法的可说明性的同时又强调了数学方法在逻辑上的重要性，本文权重的测定方法将引用结构熵权法。

（1）专家意见收集及排序矩阵的形成

首先选定专家组成员，对专家发放指标体系权重测定反馈表，每位专家采取德尔菲法的规定和程序，对每个指标的重要性进行排序，重要性由1-N。现有N个专家对M个指标进行重要性排序，其中a11表示第一个专家对第一个指标重要性排序，其数值（1-m）由小到大表示重要性的逐渐降低，同理am1表示第1个专家对第m个指标重要性排序，amn表示第n个专家对m个指标重要性排序，根据最后的排序形成典型排序矩阵A。

（2）偏差度的纠正

由于每位专家由于所出的工作或研究领域不同，对每个指标的认识程度也不同，因此所形成的数据会产生一定的偏差，为了降低偏差的程度和不确定性，需要将上式的数据进行偏差度的纠正。对上一节的排序矩阵进行转化，定义排序转化的隶属度函数为：

F（amn）=-ηpn（amn）lnpn（amn）

其中，pn（amn）=t-amnt-1，取η=1ln（t-1），将pn（amn）=t-amnt-1 和η=1ln（t-1）代入公式并化简求得θmn=-ln（t-amn）ln（t-1），本文将θmn称为amn对应的隶属度函数值，取t=m+2，当指标的最大数为4时，t=6。θmn为专家排序数amn的隶属度，称Bmn为隶属度矩阵。

视n个专家对第k个指标（k=1，2，…m）的“话语权”相同，即计算n个专家对第k个指标的“一致看法”称为平均认识度，记作Bk；将专家对第k个指标在认知方面的偏差称为“认知偏差度”，记作Ck；

令Bk=（θk1+θk2+…+θkn）n；

Ck=max（θk1，θk2，…，θkn）-Bk+min（θk1，θk2，…，θkn）-Bk2，定义n个专家对于第k个指标的总体认识度Rk=Bk（1-Ck），则n个专家对m个指标的总体认识度向量R可写作矩阵R=R1，R2，…，Rm。

（3）归一化处理

为了求得第k个指标的权重ωk，需要对Rk=Bk（1-Ck）进行归一化处理ωk=Rk∑m1Rk，顯然，∑m1Rk=1，ωk≥0，本文将所求出的ωk称之为第k个指标所占的权重。

二、风险评估步骤

在灰色理论中，灰色关联分析是分析系统中各个元素之间关联度或相似程度的方法，其基本思想是根据关联的程度对所评估目标进行排序。灰色关联分析是分析事物发展的趋势，对样本的数量没有严格的规定，同时样本也不需要服从某种数学分布。

（1）专家评分阶段

请每位专家按照评估指标的选项对选中的目标进行评估，设评估的等级为1、2、3、4、5，数字的大小说明该评估目标在其中某一指标的表现，数值越大表示表现的水平越好。设评估指标有m个，选取专家k人（本文默认选取专家的学识水平、相关经验上的水平都是相同的），则根据专家的评分可对所评估的每个目标构成一个m×k的评分矩阵A。

（2）对比矩阵的构建

灰色关联分析的首要条件是选择一个参考数列，设所评估目标结果对应的最优评估指标集F* =f*1 ，f*2 ，…，f*m ，其中f*k 表示第k个指标的最优值，k=1、2、…m。其中，fnm表示第n个企业在第m个指标的平均评估值，fnm=am1+am2+…+amkk；将最优指标集与对比矩阵合并，形成一个新的矩阵。

（3）指标值的规范化处理

在评判指标里通常有不同的量纲以及数量纲，因此一般不能进行直接比较，为确保结果的可靠性，需要对上述指标进行规范化处理。

设第k个指标的变化区间为fk1，fk2，fk1为第k个指标在所有被评估融资企业中的最小值，fk2为第k个指标在所有被评估企业中的最大值，那么可以采用下式将上式中的指标数值转换成无量纲值Cik∈（0，1）。Cik=jik-jk1jk2-jik，i=1、2…n；k=1、2…m，由此矩阵D'转换成矩阵C

D'=f 11f 12…f 1mf 21f 22…f 2m…………f n1f n2…f nm；C=C*1C*2…C*mC11C12…C1m…………Cn1Cn2…Cnm

（4）计算综合评估结果

根据灰色系统理论，将C*=C*1，C*2，…，C*m作为参考数列，将C=Ci1，Ci2，…，Cim作为最优的对比数列，用关联分析法求的第i个企业第k个指标与第k个最优指标的关联系数εi（k），即：

εi （k）=minminC*k-Cik+ ρmaxmaxC*k-CikC*k-Cik+ ρmaxmaxC*k-Cik

ρ为分辨系数，一般取0.5，ρ∈（0，1）。由关联计算方法可以得到关联矩阵E：

E=ε1（1）ε1（2）…ε1（m）ε2（1）ε2（2）…ε2（m）…………εn（1）εn（2）…εn（m）

这样综合评估结果为：R=E×W，即ri=∑mj=1W（k）×εi（k）。式中R=r1，r2，…，rnT为n个被评估企业的综合判断结果向量；W=w1，w2，…，wmT为m个评估指标的权重分配向量，其中∑mj=1wj=1。

若关联度ri越大，则说明Ci与最优指标C*最接近，亦即第i企业优于其他企业。据此一方面可以排出供应链金融模式下融资企业相适应应收账款、预付账款或存货质押下的关联度次序，也即关联度越大，融资企业信用风险越小。另一方面可以反映某一融资企业对应应收账款、预付账款或存货质押下的关联度，也即可以作为商业银行评估内容之一为融资企业指导供应链金融模式适用度。（作者单位：广东科技学院）

参考文献：

灰色关联性分析 篇12

关键词：月饼,瑕疵检测,图像,灰色关联

随着人们生活水平的提高,人们不仅只限于品尝月饼的味道,对月饼的大小、色泽、包装等有了更多的关注。在月饼生产过程中,有瑕疵的月饼不可避免,如不能检出这些瑕疵,对大众的月饼消费会带来很大影响。快速检测月饼表面的瑕疵,对月饼的分类及后续再加工具有实际意义。目前,月饼主要通过人工检测,受检测者主观因素影响大,存在效率低、不稳定等问题。如何利用计算机实现非接触式的无损检测,使之具有可靠、高效的特点,是食品制造商和科技工作者追求的目标。

瑕疵检测是图像处理领域研究的一个热点。在瑕疵检测领域,前人做了很多研究,P. E. Anuta[1]提出了使用FFT的方法对互相关的图像进行检测。张九龙、夏春莉等[2]提出用小波和Gabor变换对纹理图像多方向分解,融合分解子图纹理并用形态学滤波去除规则对图像进行检测。杨晓波[3]提取图像的混合畸变特征和瑕疵检测研究时,采用了自适应离散小波变换。这些研究为瑕疵检测领域做出了贡献,在检测效率、算法复杂度等方面存在不足,不适合于现代流水线上月饼表面瑕疵检测问题。

本文用现代系统思想来分析,利用灰色理论来研究月饼瑕疵检测,把采集的月饼表面图像信息作为灰色信息,月饼表面图像数据空间视为灰色特性表征空间,将灰色系统分析方法与图像处理方法有机结合,对月饼表面瑕疵进行检测。

1 图像灰度面关联

灰色关联分析是根据数据序列间的发展趋势、信息相似性,找出信息系统中各因素间的复杂关系,判别数据序列之间的相关程度[4,5]。灰色关联模型是一种使用数据少,具有自适应噪声压制和模式识别的数据模型。常用的是邓氏关联模型[6,7]。

设一维参考 序列模型 和比较序 列模型分 别为: S0={ s0( k) |k = 1,2,…,N} ,Ti= { ti( k)|k = 1,2,…,N; i = 1,2,…,M} 。其中,N为序列的长度,M为数据序列个数,则R0,i是M个数据序列中任意一个序列相对参考序列的关联度

式中: ξ0,i( k) 是参考序列模型和比较序列模型的关联系数。

其中,ε 为分辨系数,其值在( 0,1]区间选择,一般取0. 5; Δ0,i( k) 是参考序列和比较序列差值的模,Δ0,i( k) =|s0( k) - ti( k) |; Δmin( k) 是参考序列模型和比较序列模型最小的差值的模是参考序列模型和比较序列模型最大的差值的模

式( 1) 常用来处理一维离散序列间的相关程度,而图像检测是对二维的数据进行处理,若简单地将式( 1) 用于图像处理,会出现一些相似区域的像素点因为重排而分离,对这些区域的灰色关联分析不敏感,不利于图像的瑕疵检测。对式( 1) 进行扩展,得到二维灰色关联模型。设二维参考序列模型和比较序列模型分别为: S0= { s0( i,j) i = 1,2,…,M; j = 1,2,…,N} ,Tk= { tk( i,j)k = 1,2,…,L; i = 1,2,…,M; j = 1,2,…,N} 。则有

式中: ξ0,k( i,j) 是二维参考序列模型和二维比较序列模型的关联系数。

其中,ε 为分辨系数,其值在( 0,1]区间选择,一般取0. 5; Δ0,k( i,j) 是二维参考序列模型遍历二维比较序列模型差值模,Δ0,k( i,j) = s0( i,j) - tk( i,j) ; Δmin( i,j) 是二维参考序列模型遍历二维比较序列模型的最小的差值模是二维参考序列模型遍历二维比较序列模型的最大的差值模

在实际月饼检测中,待测月饼表面图像与标定的合格月饼表面图像选取相同大小的图像,故在式( 3) 中,选取k = 1。根据式( 3) 易知,R0,1∈( 0,1],当R0,1越大时,表示参考序列模型和比较序列模型之间的关联度越大,说明检测的月饼表面图像与标定的合格月饼( 由检测师经验而确定的合格月饼) 表面图像越相似。当R0,1为1时,说明检测的月饼表面图像与标定的合格月饼表面图像相同。

2 直方图的灰色关联

图像的直方图是图像像素灰度分布的体现,反映了图像中各个灰度级与其对应频数间的关系。图像之间的关联程度只能反映两幅图像整体像素点的相似程度,并不能完全反映所检测的月饼表面图像与标定的合格月饼表面图像就是一致的。准确地判断一个月饼是否合格,还要分析待检测月饼表面图像与标定月饼表面图像之间的直方图的灰色关联度。基于月饼表面图像直方图的灰色关联算法如下:

1) 采集无瑕疵月饼表面图像 ( 标定的合格月饼表面图像) 作为参考图像;

2) 计算标定的合格月饼表面图像的直方图作为参考序列;

3) 计算待测同类月饼表面图像的直方图作为比较序列;

4) 利用式( 1) 计算比较序列与参考序列的关联度;

5) 根据关联度阈值 ( 由实验获取阈值大小) 判决检测的月饼合格与否。

若将待检测的月饼表面图像的直方图作为参考序列S0,将标定的合格月饼表面图像的直方图作为比较序列Ti,那么两序列间的灰色关联度可由式( 1) 求得。此时,式( 1) 中的N取值为图像直方图的灰度级数。

由式( 1) 可知,R0,i越大,表明待检测的月饼表面图像的直方图与合格的月饼表面图像的直方图越相似,待检测的月饼更加接近标定的合格月饼。当月饼的灰度级分布与标定的合格月饼表面图像直方图完全相同时,其值为1。

然而,图像的直方图和灰度信息仅仅反映了图像中不同灰度级总体的概率分布,无法体现具有不同灰度值的像素之间的空间位置关系。具有相同直方图和灰度信息的图像并不能充分说明待检测月饼表面图像与标定的合格月饼表面图像是相同的。因此,需要考虑月饼表面图像的几何特征来进一步确定待检测的月饼表面图像和标定的合格月饼表面图像是否一致。

3 边缘特征的灰色关联

图像的边缘特征[8,9]是基本的几何特征,它包含图像很多的信息量且不易提取。为了进一步提高检测结果的正确性,本文采用Canny算子[10]分别提取待检测月饼表面图像的边缘特征形成比较序列模型和标定的合格月饼表面图像的边缘特征( 参考序列模型) ,通过对边缘特征参考序列模型与比较序列模型的关联分析,从月饼的边缘几何特征来检测月饼的合格性。

Canny算子具有对噪声敏感的特点,这对于月饼检测来说,由于其对边缘提取具有算法简单相对准确的特点,加之采用与关联分析相耦合的方法实现月饼检测时,关联法具有压制噪声的特点,故选择Canny算子提取所选的合格月饼表面图像和待检测月饼表面图像的边缘特征,进一步确定月饼有无瑕疵。

月饼瑕疵检测中,待测月饼表面图像与标定的合格月饼表面图像具有高度的依赖性,在实际月饼检测中,待测月饼表面图像与标定的合格月饼表面图像选取相同大小的图像。经过Canny算子提取标定的合格月饼表面图像的边缘特征空间为参考序列模型S0,待检测月饼表面图像的边缘特征空间为比较序列模型Tk,则有: S0= { s0( i,j) | i,j = 1,2…,N} ,Tk={ tk( i,j) k = 1; i,j = 1,2,…,N} 。将参考序列与比较序列带入式( 3) 得到图像边缘特征的关联度R0,1。

因R0,1∈( 0,1],当其取值越大,表示参考序列与比较序列之间关联度越大,即说明待检测的月饼表面图像与标定的合格月饼表面图像相似度越大。当R0,1为1时,说明待检测的月饼表面图像的边缘特征与标定的合格月饼表面图像的边缘特征是相同的。

4 月饼瑕疵检测的灰色关联系统

据本文给出的研究思路和算法模型,研制了如图1所示的月饼瑕疵检测系统,该系统基于MATLAB和C语言开发实现。

该系统主要包括4个模块即图像采集模块、图像增强模块、图像分析模块和图像检测判决模块。图像采集模块主要是利用摄像机采集相对静止、大小固定、光照相对衡定的月饼表面图像。图像增强模块通过灰度化、去噪等方法对图像进行初步的处理,使得图像更利于后续的操作。图像分析模块是整个系统的核心,也是本文的主要研究部分。通过灰色面关联度和直方图关联度来分析图像的相关程度,并且进一步对图像的边缘进行了检测和关联来确保更高的图像瑕疵检测的准确率。图像检测判决模块通过对图像的灰色综合判决和边缘特征判决,最后确定图像检测结果是否通过。

5 实验与分析

实验使用MATLAB7. 1数学工具和C语言进行编程实现。实验数据采用2组月饼表面图像,每组8个,共16个月饼图像。图2和图3所示为在16个图像中选取的具有一定代表性瑕疵程度不同的10个月饼表面图像。图2a和图3a的待测月饼图像为检测人员根据经验标定的合格月饼表面图像,将之作为参考序列模型。图2和图3的其他待测月饼图像将之作为比较序列模型。

经过图像增强后,将图2a的月饼表面图像与第一组的8个待测月饼图像根据式( 1) 做直方图关联运算、式( 3) 做面关联运算和边缘关联运算; 将图3a的月饼表面图像分别与第二组的8个待测月饼图像根据式( 1) 做直方图关联运算,式( 3)做面关联运算和边缘关联运算,得到待测图像的3种关联度,提供月饼是否合格的依据。实验得到的两组关联度阈值测试曲线如图4和图5所示。

观察图4a,在8个测试样本中,检测人员依据经验判断为合格月饼的面关联度最小值为0. 854 5,因此将第一组月饼图像面关联的阈值设为0. 854 5,如图4a中的直线所示。类似地,可以得出第一组月饼的直方图关联度阈值和边缘关联度阈值分别为0. 974 5和0. 899 7,如图4b和图4c中的直线所示; 由图5可以得到第二组月饼的面关联度阈值、直方图关联度阈值和边 缘关联度 阈值分别 为0. 850 0、0. 967 5和0. 901 4,如图5a、5b和5c中的直线所示。即当其相应计算关联度大于等于阈值时( 即图4和图5中直线以上的点) 可判断为合格月饼,反之则判断为不合格月饼。由图4和图5可以看出面关联度、直方图关联度和边缘关联度最大值为1,即待测的月饼图像与标定的月饼图像完全相同。

为了提高月饼瑕疵检测的正确性,需要综合考虑3种关联度。月饼表面图像的灰度面关联反映的是月饼的整体瑕疵状况,在灰度面关联达到其阈值的情况下还要进一步考虑月饼表面图像的直方图关联和边缘关联,当月饼表面图像灰度面关联达到其阈值时,月饼表面图像的直方图关联和边缘关联的任一关联度达到规定的阈值,视其合格; 当月饼表面图像的灰度面关联没有达到面关联度的阈值时,不管直方图关联度或者边缘关联度是否达到其阈值,视月饼为不合格。笔者得出一般的判断月饼瑕疵检测合格的标准,判断标准如表1所示。

通过表1所示的判断标准可以获得更好的月饼质量的评价结果。本文对120个月饼图像进行处理和检测,正确检测119个,误检1个,正确率达到99. 1% 。该方法不仅能够达到人工检测的正确率,而且其检测客观性、可靠性、速度要远远优于人工检测,适合于现代月饼生产的瑕疵检测,对月饼生产效益的提高乃至食品产业的自动化生产的质量及效益提高,提供了简便实用的检测技术。

6 结论