Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 144 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

144
функции. Неопределенность (vagueness) системы представляется суммарным
разбросом («шириной») параметров (нечетких коэффициентов).
Построение модели состоит в нахождении оптимальных в некотором
смысле коэффициентов с учетом нечеткой информации об объекте и субъек-
тивных представлений исследователя.
Базовые
предположения нечеткой регрессии заключаются в том, что ос-
татки, полученные как разность между наблюдениями и их оценками, продуци-
руются не случайными ошибками измерения, а неопределенностями (типа не-
четкость) при вычислении параметров модели.
Можно выделить два основных подхода к построению моделей нечеткой
линейной регрессии (рис. 3.3).
Нечеткая регрессия
PossibilisticFuzzy
Regression Model
Fuzzyleast-square
regression analysis
Критерий
максимальной
совместимости
Минимизация
среднеквадратичного
отклонения
Рис. 3.3. Методы нечеткой регрессии
Первым подходом является нечеткая регрессия, основанная на критерии
минимизации нечеткости (Possibilistic Fuzzy Regression Model) [Tanaka, 1982].
Вторым является подход, комбинированный с методом наименьших квадратов
и получивший название FLSRA (Fuzzy least-square regression analysis) [Diamond,
1988; Celmiņš, 1987].
Этот метод, в свою очередь, имеет две разновидности, в одной из которых
используется критерий максимальной совместимости, а в другой –
критерий
минимизации квадратичного отклонения.
Следует особенно отметить, что все три метода могут в качестве исход-
ной информации об исследуемом параметре использовать как нечеткую ин-

Страницы