Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 145 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

145
формацию, выраженную в виде функций принадлежности, так и полностью де-
терминированную информацию, что существенно расширяет область их ис-
пользования.
Большинство работ, посвященных нечеткой регрессии были основаны на
следующих базовых определениях.
Пусть дано множество наблюдений:
mjxxy
jnjj
,...,1,,...,
1
, необходимо
найти нечеткую модель по следующей форме:
nn
xAxAAY
~
1
~
1
~
0
~
...
,
где
nissaA
R
i
L
i
c
ii
,...,1),,,(
– триангулярные нечеткие числа;
c
i
a
– среднее значение
~
i
A ;
R
i
L
i
ss ,
– показывают левый и правый разброс соответственно.
Используются два критерия определения нечетких коэффициентов модели:
1.
Для всех наблюдений принадлежность значения
j
y к его нечеткой
оценке
~
j
Y должна быть как минимум mjhyY
jj
,...,1,)(
~
, где h – уровень дове-
рия, выбранный лицом, принимающим решения.
2.
Общая нечеткость предсказываемого значения зависимой переменной
должна быть минимизирована. Это может быть достигнуто минимизацией сум-
мы разбросов нечетких чисел для всех наборов данных. Итак, проблему на-
стройки нечеткой модели с заданными данными
mjxxy
jnjj
,...,1,,...,
1
можно
решить как эквивалентную задачу линейного программирования:
Найти
),,...(
0
c
n
cс
aaа
),,...(
0
L
n
LL
sss
),,...(
0
R
n
RR
sss
которые минимизируют



n
I
m
j
ij
R
i
L
i
LRL
xsssssmZ
11
000
)(
.
Чтобы оценить качество настройки нечеткой регрессии, используют ме-
тод наименьших квадратов. Для нечеткой регрессии среднеквадратичное от-
клонение (MSE) определяется следующим образом:

Страницы