摘要
模糊非线性回归是研究数据不确定性的一种有效方法。借鉴2-型模糊数学理论中的模糊简约思想,提出了一种利用期望值简约技术处理梯形模糊数据的模糊非线性回归模型。首先将梯形模糊输入输出利用其期望值简约为清晰输入输出,然后利用经典随机赋权神经网络对其进行学习,最后利用目标输出模糊变量的宽度矩阵将网络实际清晰值输出还原为梯形模糊输出。与已有模型的对比实验表明,提出的模型具有更高的学习准确度和更好的扩展能力。
Fuzzy nonlinear regression(FNR)analysis is an effective method for research of uncertainty data.Inspired by the idea of reduction in2-fuzzy mathematics theory,a fuzzy nonlinear regression using expectation reduction for trapezoidal fuzzy number data is proposed.In this model,the trapezoidal fuzzy inputs and outputs are replaced by their expectations,respectively,which can be trained with classical random weight neural network.Finally,the crisp real outputs are recovered to trapezoidal fuzzy outputs by using a width matrix of original target outputs.The experiment results show that the proposed model obtains better prediction accuracy and wider extension.
作者
赵士欣
陈惜源
王荣荣
Zhao Shixin;Chen Xiyuan;Wang Rongrong(Department of Mathematics and Physics,Shijiazhuang Tiedao University,Shijiazhuang 050043,China)
出处
《石家庄铁道大学学报（自然科学版）》
2018年第4期102-108,共7页
Journal of Shijiazhuang Tiedao University(Natural Science Edition)
基金
国家自然科学基金(11501379)
河北省自然科学基金(A2015210103)
河北省教育厅青年基金(QN2016140)
石家庄铁道大学大学生创新创业计划(201610107008)
关键词
期望值简约
梯形模糊数
随机赋权网络
模糊非线性回归
expectation reduction
trapezoidal fuzzy number
random weight network
fuzzy nonlinear regression
作者简介
赵士欣(1978-),女,讲师,研究方向为不确定信息处理,机器学习。E-mail:cssxzhao@163.com
