基于非对称指数型模糊数的模糊回归在害虫预报上的应用(Ⅱ)

讨论了输入为精确数、输出为模糊数的模糊回归模型,给出了模型的α-截集估计和最小绝对值偏差估计,并用实例说明了方法的可行性.     

数域上的模糊模式识别方法

本文首先指出了现有的模糊模式识别方法「１」的局限性，进而，构造了一种具有数域特点的贴近度公式。文中列举的若干算例表明新理论在数域上明显地优于传统方法，证明本文所提方法是非常合理的。     

关于模糊数贴近度问题的研究

利用模糊集和区间数的贴近度理论,讨论了模糊数的贴近度问题.通过区间数与模糊数之间的关系,根据区间数贴近度的一般表示形式,给出了构造一些模糊数贴近度的具体计算公式的方法;并通过实例说明了所得到的贴近度公式的有效性和实用性,解决了常用贴近度公式所不能解决的问题.     

系数为LR-型模糊数的模糊线性最小二乘回归

针对输入、输出以及系数为LR-型模糊数的情况,建立模糊线性回归模型,提出该模型的最小二乘估计以及模型性能评价方法。当输入、输出以及系数都退化为精确值时,该估计退化为经典的最小二乘估计。该方法不仅适用于三角模糊数,也适用于其它LR-型模糊数(如指数型模糊数)。数值模拟表明,该方法的拟合效果较好。     

带模糊回归参数的线性回归模型

本文讨论了数值输入模糊数输出的观测数据的线性最小二乘拟合问题，建立了数值空间到模糊数空间的带模糊回归参数的线性回归模型，证明了模型解的存在性和唯一性，并得到了解的表达式。本模型应用简便，具有实用价值。     

模糊数的运算法则

给出模糊数加、减、乘、除运算的较简便的计算方法。     

基于区间数度量的区间值模糊集合的贴近度和模糊度的关系

给出了基于区间数度量的区间值模糊集合的贴近度和模糊度的概念,详细研究了区间值模糊集合的贴近度和模糊度之间的关系,并基于公理化定义,证明了它们二者之间的相互转化关系,最后,给出了若干公式来计算区间值模糊集合的贴近度和模糊度。     

模糊回归的区间解法

给出模糊回归的区间解法 ,适用于预测。     

基于极端积算子的LL型模糊数的最小一乘回归

针对模糊输入和模糊输出数据系统中的回归分析问题,考虑到系统中依赖关系不确定性特点以及模型稳健性和求解准确性等需求,建立一个模糊最小一乘优化模型。首先利用能诱导出LL型模糊数乘法保形运算的唯一T-模,即极端积算子,结合扩张原理,给出LL型模糊数间加法和乘法的运算规则。其次,基于LL型模糊数间的完备距离,得到模糊线性回归模型的参数估计,由此给出考虑清晰参数或清晰输入的两个简约模型及相应参数估计。通过计算Kim & Bishu测度、贴近测度和输出展形差异测度,比较与其他7种回归方法的优劣,并由模型的敏感性分析,充分说明本文算法的有效性和稳健性。     

基于Type-2模糊贴近度在生态上的应用

分析比较了Type-1模糊贴近度与Type-2贴近度的特点,并将Type-2模糊贴近度的概念和相应运算应用到生态系统中,给出了物种动态的生态位模型,计算了物种实际生态位与理想生态位的重叠,根据重叠的精确值和区间值分别研究了物种进化的动态行为和进化程度.     

系数为梯形模糊数的模糊回归分析的最小二乘法

由于模糊数往往可以用梯形模糊数来逼近,因此对梯形模糊数的模糊回归模型的研究就有一定的实用价值.采用最小二乘的方法,针对输入为精确数、输出和回归系数都是梯形模糊数的模糊线性回归模型,讨论了该模型回归系数的最小二乘估计及误差项的估计,实例说明了提出的参数估计的拟合度比较好.     

模糊值函数分析学的结构元方法简介(Ⅰ)——结构元与模糊数运算

简述了模糊值函数分析学在具体工程实践应用中存在的困难和障碍,系统地介绍了模糊结构元方法在模糊值函数分析学中的应用,包括模糊结构元的概念、模糊数的模糊结构元表示形式、基于结构元表达形式的模糊数运算与隶属函数确定.模糊结构元方法将复杂的模糊数运算转化为一类单调有界函数的运算,不仅仅为模糊分析计算的简化提供了工具,同时也为模糊值函数分析学应用的研究开创了一条新的途径.     

模糊线性回归的稳健方法

考虑两类模糊回归模型：一类是设计点为实数,参数为模糊数;另一类是观察值为模糊数、参数为实数。就这两类回归模型,从稳健统计的角度提出相应的稳健方法,并通过例子与现有的方法进行比较,说明所提方法的稳健性。     

修正的模糊最小一乘线性回归

对文献[1]提出的基于对称三角模糊数的模糊最小一乘线性回归进行修正和扩展,给出模糊最小一乘线性回归模型的三种不同形式,并将其转化为线性规划或非线性规划问题进行求解。最后,给出几个数值实例,通过计算和比较,结果表明三种模糊最小一乘线性回归模型都具有非常好的拟合性。     

模糊数据的线性回归模型

研究观测数据为模糊数据的统计线性回归模型 ,由该模型所得回归系数非模糊 ,易于应用。对于对称三角模糊数据一元线性回归给出最优解的解析表达式 ;将对称三角模糊数多元线性回归问题给出转化为一类二次规划问题的方法 ;证明了最优解的存在性和估计量的无偏性。     

基于多目标规划法的模糊线性回归分析

讨论输入、输出均为模糊数,回归系数为实数时的模糊线性回归分析。由于模糊最小二乘线性回归容易受异常值的影响,而最小一乘法能有效地降低回归模型的误差。为此,基于最小一乘法,建立多目标规划模型并将其转化为非线性规划问题进行求解,从而实现模糊线性回归模型的参数估计。最后,结合一个数值实例,验证和比较该方法的合理性和优越性。     

基于具有LR型模糊输出回归模型的保费预测

在保费预测研究中,提出了一种基于模糊回归模型的预测方法.采用模糊最小二乘法,针对清晰输入和LR型模糊输出,在考虑输出量隶属函数类型存在差异问题基础之上,得到模型回归系数的迭代解.通过最小二乘估计的定性分析,给出检验模型拟合度的指标.结合保费数据的预测结果表明模型可行且具有较强的解释能力.     

稳健的模糊回归区间分析

由于传统的回归分析易受到异常值的影响。针对输入变量为实数,输出变量和输入参数为模糊数的情况,给出了一种稳健的模糊回归区间预测模型和算法。该模型基于输出变量的隶属度函数为目标函数,以估计的区间为约束条件。给出的算法具有较强的稳健性,利用该算法估计的区间几乎不受异常值的影响。最后通过一个数值算例,与其他模型算法对比分析,验证了该模型和算法的有效性和稳健性。     

基于区间直觉梯形模糊数的改进TOPSIS多属性决策方法

研究了属性权重完全未知的区间直觉梯形模糊数的多属性决策问题,结合TOPSIS方法定义了相对贴近度及总贴近度公式.首先由区间直觉梯形模糊数的Hamming距离给出了每个方案的属性与正负理想解的距离,基于此,给出了相对贴近度矩阵,根据所有决策方案的综合贴近度最小化建立多目标规划模型,从而确定属性的权重值,然后根据区间直觉梯形模糊数的加权算数平均算子求出各决策方案的总贴近度,根据总贴近度的大小对方案进行排序;最后,通过实例分析说明该方法的可行性和有效性.     

模糊数排序的可能度方法

由两个模糊数的隶属函数确定三个面积,据此建立一个对模糊数进行大小比较的可能度计算公式.公式表达式非常简洁,同时还具有传递性、互补性等诸多良好的性质,因而具有很强的实用性和可操作性.对给定的一组模糊数,先利用两两比较的结果建立一个可能度矩阵,同时给出基于可能度矩阵的模糊数排序算法.最后给出一个排序算法的实例.