基于模糊积分的金融数据建模方法

以非可加模糊测度代替经典可加测度,基于模糊积分建立非线性回归模型是新近出现的数据建模方法.该方法充分考虑自变量因素之间的信息熔合(含协同或冲突)作用.本文完整地给出了适用于实数范围内的基于模糊积分(含Choquet积分和(S)ipo(s)积分)的多元非线性回归模型转化为普通线性回归模型的非线性转换方法及其简化算法.并将该方法应用于金融市场数据分析,结果表明效果较之普通多元线性回归有大的提高,且方法简便容易应用.     

K-拟可加模糊数值积分的伪自连续及结构特征

在K-拟可加模糊测度空间上,针对给出的K-拟可加模糊数值积分,将这种积分整体看成可测空间上取值于模糊数值的集函数,进而研究这种K-拟可加模糊积分的伪上(下)自连续、伪一致上(下)自连续和伪双零渐近可加性等结构特征.     

基于r-凸函数的Choquet积分不等式

本文研究了r-凸函数的Choquet积分的Hadamard不等式和詹森不等式。首先,针对单调r-凸函数,研究了其Choquet积分的类似Hadamard型不等式;接着,分别在扭曲勒贝格测度和非可加测度下,估计了r-凸函数的Choquet积分的上界;最后,在非可加测度是凹的情形下,给出了两个r-凸函数的Choquet积分的詹森不等式,其可用来估计Choquet积分的下界。另外,在扭曲勒贝格测度下,对文中所有结果进行了例证。     

(N)模糊积分

本文定义了一种新的模糊积分,它较[2]所定义的模糊积分与Lebesgue积分有更多的相似之处。特别是作为人类思维过程的模拟,较[2]更切近于实际。文中研究了这种积分的性质,证明了类似Lebesgue积分中Levi定理、Fatou定理等关于积分序列的收敛性定理,给出了把一般的模糊测度空间上的(N)模糊积分转化为R¹上以Lebesgue测度为模糊测度的(N)模糊积分的公式。§4中引进了一类特殊的所谓λ次可加模糊测度空间,给出了这种测度空间上收敛性的Егоров定理和Riesz定理并得到了该空间上的(N)模糊积分在积分号下取极限的一些充分条件。     

对数凸函数的Choquet积分

本文研究了对数凸函数的Choquet积分的上界和下界。首先,对于连续可微的对数凸函数,当其单调时,研究了其Choquet积分的Hadamard不等式;当其不单调时,分别在扭曲勒贝格测度和非可加测度下,研究了其Choquet积分的上界。接着,在非可加测度是凹的情形下,给出了对数凸函数的Choquet积分的詹森不等式,并举例说明其可用来估计Choquet积分的下界。     

K-拟可加模糊数值积分及其收敛性

在K-拟可加模糊测度空间上,针对一类(?)-可积模糊数值函数,建立了所谓的K-拟可加模糊数值积分,并通过引入诱导算子K,获得这种积分的转换定理,进而研究这种K-拟可加模糊数值积分的一些重要性质,同时给出了它的一系列收敛定理,从而丰富了模糊数学的积分理论。     

基于分解测度的模糊积分及收敛定理Mamadou Traore

为了解决一些收敛定理,我们给出基于半环([0,1],, )的伪可加分解测度的积分这种模糊积分被深入研究.在给出这种积分的性质的基础上,我们得到一些收敛定理,它们是经典收敛定理的扩张,同时我们得到关于这种模糊测度的Egorof定理.     

前向正则模糊神经网络依K-积分模的泛逼近能力

针对前向正则模糊神经网络引进K-拟可加积分和K-积分模概念,应用积分转换定理研究了该网络在K-积分模意义下对模糊值简单函数类的泛逼近能力,进而在有限K-拟可加测度空间上,借助模糊值简单函数为桥梁获得了前向正则模糊神经网络依K-积分模对(u)-可积有界模糊值函数类仍具有泛逼近性.该结果表明前向正则模糊神经网络对连续模糊系统的逼近能力可以推广为对一般可积系统的逼近能力.     

基于分解测度的模糊积分及收敛定理(英文)

为了解决一些收敛定理 ,我们给出基于半环 ( [0 ,1 ], , )的伪可加分解测度的积分这种模糊积分被深入研究 .在给出这种积分的性质的基础上 ,我们得到一些收敛定理 ,它们是经典收敛定理的扩张 ,同时我们得到关于这种模糊测度的 Egorof定理     

基于模糊积分的Fisher判别分析

文中引进一种新的非线性判别分析-基于Choquet模糊积分的Fisher判别分析,该基于Choquet模糊积分的Fisher判别分析方法可充分考虑到输入的各指标之间的交互作用,当模糊测度μ具有可加性时,基于Choquet模糊积分的Fisher判别分析方法就是经典的Fisher判别分析.最后将此方法应用于心肌梗死的鉴别诊断.