Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 193 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

193
k-того типа нечеткой тенденции ∆t
k
. Указанные функции
k
, ∆t
k
образуют па-
раметры типов тенденций, а последовательность типов тенденций определяет
структуру тенденции НВР.
Следовательно, при определении тенденции НВР на основе оценок Е0,
Е1, Е2 модель нечеткой тенденции
может быть представлена с разной степе-
нью детализации:
k
(
X
~
,Е0) = (
k
,
k
),
k
(
X
~
,Е1) = (
k
,
k
),
k
(
X
~
,Е2) = (
k
,
k
,
k
,∆t
k
),
где
k
– наименование нечеткой тенденции;
k
– тип нечеткой тенденции, например, для оценки Е0 из базового мно-
жества типов {«Есть изменения», «Нет изменения»}, для оценок Е1 и Е2 из ба-
зового множества {«Рост», «Падение», «Стабильность»}. Базовое множество
может быть расширено за счет производных типов тенденций;
k
– функция принадлежности нечеткой тенденции, которая формируется
на основе образующих ее нечетких значений ВР;
k
– интенсивность каждого типа нечеткой тенденции, контекстное рас-
ширение типа тенденции;
∆t
k
– длительность каждого типа нечеткой тенденции.
В дальнейшем будем рассматривать модель нечеткой тенденции НВР в
виде оценок Е2 как наиболее информативную.
Назовем нечеткие метки «Рост», «Падение», «Стабильность» базовыми
типами тенденций, а «Колебания», «Хаос» – производными типами, так как вы-
вод относительно их типа формируется на основе базовых.
Тогда нечеткое множество ACL-шкалы
V
~
может быть использовано для
обозначения типов тенденций НВР. Представим
2
~
1
~
~
VVV , где 1
~
V определяет
множество базовых типов тенденций НВР, которое конечно и ограничено тре-
мя типами
}3
~
,2
~
,1
~
{1
~
vvvV , например, 1
~
v =«Стабилизация», 2
~
v =«Падение»,
3
~
v
=«Рост»,
2
~
V
– множество производных типов тенденций НВР, которое

Страницы