×

用于识别可能性回归模型的模糊线性最小二乘法。 (英语) Zbl 1426.62218号

摘要:回归的随机方法,例如最小二乘法,是广泛学科中常用的一种技术,因为它为将一组参数拟合到现有数据的问题提供了直观且有根据的解决方案。具体来说,在元模型参数被识别的情况下,线性最小二乘公式由于其简单但强大的公式和解决方案而受到工程师的广泛赞赏。通常,这种方法提供了合理的拟合,这在很大程度上取决于所使用模型的质量。然而,它有两个主要缺点。从统计角度来看,不能总是真诚地假设其使用的前提,最重要的是,所得到的模型几乎肯定无法正确预测输出,而不会受到过度拟合的影响。
提出的模糊回归算法源自一组不同的公理。对于线性最小二乘问题的求解,它能够提供覆盖所有清晰数据点所需的最坏情况下的最佳参数变化,同时在隶属函数中编码有意义的信息。这是通过对清晰数据点进行合理的模糊化过程以及应用精确的逆模糊算法来估计所述模型的模糊值参数来实现的。

MSC公司:

62J86型 模糊性、线性推理和回归
62J05型 线性回归;混合模型
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Muzzioli,S。;Ruggieri,A。;De Baets,B.,估计隐含波动率微笑函数的模糊回归方法比较,模糊集系统。,266, 131-143 (2015) ·Zbl 1361.62044号
[2] 曾伟。;冯(Q.Feng)。;李杰,模糊最小绝对线性回归,应用。软计算。,52, 1009-1019 (2017)
[3] 高,C。;Chyu,C.-L.,具有更好解释力的模糊线性回归模型,模糊集系统。,1263401-409(2002年)·Zbl 1006.62053号
[4] D’Urso,P.,模糊/清晰输入和模糊/清晰输出数据的线性回归分析,计算。统计数据分析。,42, 1, 47-72 (2003) ·Zbl 1429.62337号
[5] D’Urso,P。;Gastaldi,T.,模糊线性回归分析的最小二乘法,计算。统计数据分析。,34, 4, 427-440 (2000) ·Zbl 1046.62066号
[6] 杨,硕士。;刘,H.-H.,交互式模糊线性回归模型的模糊最小二乘算法,模糊集系统。,135, 2, 305-316 (2003) ·Zbl 1011.62072号
[7] Tanaka,H.,可能性线性模型的模糊数据分析,模糊集系统。,24, 3, 363-375 (1987) ·Zbl 0633.93060号
[8] Tanaka,H。;林下,I。;Watada,J.,模糊数据的可能性线性回归分析,欧洲期刊Oper。决议,40,3,389-396(1989)·Zbl 0669.62054号
[9] Diamond,P.,模糊最小二乘法,信息科学。,46, 3, 141-157 (1988) ·Zbl 0663.65150号
[10] Boukezzoula,R。;Galichet,S。;Coquin,D.,《从模糊回归到逐步回归:基于区间的分析和扩展》,《信息科学》。,441, 18-40 (2018) ·Zbl 1440.62292号
[11] Nguyen,H。;吴斌,《模糊数据统计基础》(2006)·Zbl 1100.62002号
[12] Dubois,D.,可能性理论和统计推理,计算。统计数据分析。,51, 1, 47-69 (2006) ·Zbl 1157.62309号
[13] Serrurier,M。;Prade,H.,可能性分布作为概率族的最大似然原理,(2011年IEEE模糊系统国际会议(FUZZ)(2011年),IEEE),2987-2993
[14] 马森,M.-H。;Denœux,T.,从经验数据推断可能性分布,模糊集系统。,157:3319-340(2006年)·Zbl 1083.68125号
[15] 哈格,T。;Herrmann,J。;Hanss,M.,使用逆模糊算法识别认知不确定性的程序,Mech。系统。信号处理。,24, 7, 2021-2034 (2010)
[16] Fullér,r.,可能线性等式和不等式系统的一些性质,BUSEFAL,35,80-85(1988)·Zbl 0658.15002号
[17] 费斯,M。;Moens,D.,《数值模型中空间区间不确定性的识别和量化》,计算。结构。,192,附录C,16-33(2017)
[18] Ishibuchi,H。;Nii,M.,使用非对称模糊系数和模糊神经网络的模糊回归,模糊集系统。,119, 2, 273-290 (2001) ·Zbl 0964.62051号
[19] Hans,M.,《应用模糊算法-工程应用简介》(2005),施普林格出版社:柏林施普林格·Zbl 1085.03041号
[20] 霍夫曼,A。;Hanss,M.,存在模型不确定性时鲁棒控制器设计的模糊算法策略,(ISMA/USD会议论文集。ISMA/US会议论文集,比利时鲁汶(2016))
[21] 软管,D。;Mäck,M。;Hans,M.,不确定系统优化的可能性方法, (第三届脆弱性与风险分析与管理国际会议和第七届不确定性建模与分析国际研讨会论文集)VRAM-ISUMA 2018(2018))
[22] 杜波依斯,D。;Prade,H.,《可能性理论:计算机处理不确定性的方法》(2012),施普林格科学与商业媒体
[23] Zadeh,L.A.,作为可能性理论基础的模糊集,模糊集系统。,100, 9-34 (1999)
[24] 杜波依斯,D。;Prade,H.,当上概率是可能性测度时,模糊集系统。,49, 1, 65-74 (1992) ·Zbl 0754.60003号
[25] 杜波依斯,D。;Prade,H.,可能性理论:定性和定量方面,(不确定性和不确定性的量化表示(1998),Springer),169-226·Zbl 0924.68182号
[26] Zadeh,L.A.,语言变量的概念及其在近似推理中的应用-I,Inf.Sci。,8, 3, 199-249 (1975) ·Zbl 0397.68071号
[27] 刘斌,《不确定规划的理论与实践》(2002),施普林格出版社·Zbl 1029.90084号
[28] 费罗,H.J。;柯奇斯,C。;Potschka,A。;博克·H·G。;Diehl,M.,qpoases:二次规划的参数活动集算法,数学。程序。计算。,6, 4, 327-363 (2014) ·Zbl 1302.90146号
[29] Zadeh,L.A.,最大化集合和模糊标记算法,IEEE Trans。系统。人类网络。,C部分,申请。修订版,28、1、9-15(1998年)
[30] Klir,G。;Wierman,M.,《基于不确定性的信息:广义信息理论的要素》,第15卷(1999),Springer科学与商业媒体·Zbl 0935.68023号
[31] De Luca,A。;Termini,S.,模糊集理论中非概率熵的定义,Inf.Control,20,4,301-312(1972)·Zbl 0239.94028号
[32] 格兰特,M。;博伊德,S。;Ye,Y.,Cvx:Matlab软件用于约束凸编程(2008)
[33] 软管,D。;Hans,M.,可靠有限脉冲响应模型的可能性识别,(第八届可靠工程计算国际研讨会论文集(2018))
[34] 软管,D。;哈曼,D。;汉斯,M。;Eberhard,P.,识别不确定稳定叶图的数据驱动可能性方法,Proc。申请。数学。机械。,18(2018),出版中
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。