本文關(guān)鍵詞：基于特征展開(kāi)法的模糊時(shí)間序列模型的約減算法

  更多相關(guān)文章： 模糊時(shí)間序列 模糊集 特征展開(kāi)法 規(guī)則約簡(jiǎn) FCM算法

【摘要】：由于模糊時(shí)間序列在處理數(shù)據(jù)的不確定性和模糊性方面所顯示出的優(yōu)勢(shì),它吸引了更多學(xué)者運(yùn)用模糊時(shí)間序列模型來(lái)處理預(yù)測(cè)問(wèn)題。為了得到更準(zhǔn)確的預(yù)測(cè)結(jié)果,一種基于距離定義的數(shù)據(jù)模糊化方法被提出。但該方法存在一定的不足：模糊集會(huì)隨著數(shù)據(jù)的增多而增加,勢(shì)必產(chǎn)生推理規(guī)則的冗余,其結(jié)果導(dǎo)致計(jì)算復(fù)雜度增加、預(yù)測(cè)準(zhǔn)確性下降。針對(duì)這個(gè)問(wèn)題,本文提出了一種基于特征展開(kāi)法的模糊時(shí)間序列模型的約簡(jiǎn)算法,該算法主要從等間隔論域劃分和非等間隔論域劃分兩方面進(jìn)行討論。在等間隔論域劃分上,首先引用數(shù)據(jù)模糊化方法,通過(guò)距離定義模糊集并建立模糊規(guī)則；其次,運(yùn)用特征展開(kāi)法算得小前提關(guān)于推理規(guī)則的特征系數(shù),通過(guò)設(shè)定閾值對(duì)模糊規(guī)則進(jìn)行約簡(jiǎn),進(jìn)而對(duì)模糊規(guī)則進(jìn)行加權(quán),從而優(yōu)化了模糊規(guī)則；最后,通過(guò)加權(quán)平均法去模糊化得到預(yù)測(cè)結(jié)果,對(duì)Alabama大學(xué)注冊(cè)人數(shù)的預(yù)測(cè)結(jié)果驗(yàn)證了該約簡(jiǎn)算法的有效性。在非等間隔論域劃分上,通過(guò)FCM算法對(duì)論域進(jìn)行劃分,并結(jié)合所提的約簡(jiǎn)算法對(duì)模糊時(shí)間序列模型進(jìn)行優(yōu)化,并對(duì)Alabama大學(xué)注冊(cè)人數(shù)進(jìn)行預(yù)測(cè),結(jié)果進(jìn)一步驗(yàn)證了該約簡(jiǎn)算法的有效性。
【關(guān)鍵詞】：模糊時(shí)間序列 模糊集 特征展開(kāi)法 規(guī)則約簡(jiǎn) FCM算法
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O211.61
【目錄】：

• 摘要5-6
• Abstract6-8
• 第1章 緒論8-10
• 1.1 引言8
• 1.2 存在的問(wèn)題與本文的主要工作8-9
• 1.3 全文的結(jié)構(gòu)安排9-10
• 第2章 相關(guān)知識(shí)介紹10-21
• 2.1 模糊集理論10-14
• 2.2 時(shí)間序列14-15
• 2.3 模糊時(shí)間序列15-21
• 第3章 等間隔的模糊時(shí)間序列模型的約簡(jiǎn)算法21-34
• 3.1 一般論域劃分方法21-22
• 3.2 基于距離的模糊集定義和數(shù)據(jù)的模糊化方法22-24
• 3.3 基于特征展開(kāi)法的約簡(jiǎn)方法24
• 3.4 新算法的描述24-26
• 3.5 應(yīng)用舉例26-31
• 3.6 預(yù)測(cè)結(jié)果分析31-34
• 第4章 基于FCM非等間隔的模糊時(shí)間序列模型的約簡(jiǎn)算法34-43
• 4.1 FCM論域劃分方法34-35
• 4.1.1 FCM算法中聚類數(shù)的確定方法34
• 4.1.2 可調(diào)參的FCM論域劃分方法34-35
• 4.2 新方法下的模糊時(shí)間序列模型35-36
• 4.3 新方法有效性的驗(yàn)證36-40
• 4.4 預(yù)測(cè)結(jié)果分析40-43
• 總結(jié)43-44
• 參考文獻(xiàn)44-48
• 攻讀學(xué)位期間公開(kāi)發(fā)表論文48-49
• 致謝49-50
• 研究生履歷50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 藺玉佩;楊一文;;基于模糊時(shí)間序列模型的股票市場(chǎng)預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2010年08期

，

本文編號(hào)：901348