function [e,w] = shang(x,ind)
%x为原始数据矩阵。
%ind表示指示向量，表示各列是正指标还是负指标，1表示正指标，2表示负指标
%s返回各行（样本）的得分，w返回各列的权重
[n,m]=size(x);%n个样本，m个指标
%先进行归一化处理
for j=1:m
if ind(j)==1 %进行正指标归一化
X(:,j)=guiyi(x(:,j),1,0.002,0.996);
else %进行负指标归一化
X(:,j)=guiyi(x(:,j),2,0.002,0.996);
end
end
%计算第j个指标下，第i个样本的比重p(i,j)
%此处选择横向输出，若要做到纵向输出，只需要将2层循环中i,j条件互换就行
for i=1:n
for j=1:m
p(i,j)=X(i,j)/sum(X(:,j));
end
end
%计算第j个指标的熵值e(j)
k=1/log(n);%matlab中In用log表示
for j=1:m
%这里使用矩阵间运算，做到了简化，原本是要一个一个取出p(i,j)中的元素进行运算
%需要调用2层for循环
e(j)=-k*sum(p(:,j).*log(p(:,j)));
end
d=ones(1,m)-e; %计算获得熵的冗余度，同样用矩阵间计算做到了简化
w=d./sum(d); %输出熵的权重----各指标间的权重关系
%s=p*w'*100; %输出各目标的综合得分，100的作用是用来放大，看的舒服一点
end
