针对模糊时间序列模型中模糊推理规则的优化问题, 提出一种时间序列的自相关理论与模糊时间序列相结合的算法. 首先考查数据平稳化; 然后运用传统的数据模糊化方法得到模糊集, 进而建立模糊规则, 并运用自相关函数理论对模糊规则进行优化; 最后通过对Alabama 大学注册人数的预测验证了所提出算法的有效性.
相似文献基于传统的逼近理想解排序法(TOPSIS) 思想, 运用区间直觉模糊数的欧氏距离, 给出区间直觉模糊数相对于最大区间直觉模糊数的贴近度公式, 并给出区间直觉模糊数贴近度所具有的优良性质, 这些性质表明贴近度作为排序指标是合理的. 通过与文献中有关区间直觉模糊数排序法的对比分析, 表明基于贴近度的排序方法具有更高的区分能力. 运用新的排序指标提出一种区间直觉模糊多属性决策方法, 并通过实例表明了所提出方法的有效性.
相似文献针对非线性时间序列, 提出一种基于多维泰勒网的时间序列预测方法. 其特点在于利用非线性时间序列的观测数据, 通过多维泰勒网得到?? 元一阶多项式差分方程组, 在无需待预测系统的任何先验知识和机理的情况下获得动力学特性描述, 实现对非线性时间序列的预测. 最后分别采用Lorenz 混沌时间序列, 以及某大型建筑在顶升施工安全性监测中的结构振动响应数据进行实证研究, 所得结果表明了该方法的有效性.
相似文献针对现有的直觉模糊熵的公理化定义和构造公式未能全面体现直觉模糊集模糊性的缺陷进行分析, 提出一种改进的直觉模糊熵的公理化定义, 据此构造一个新的直觉模糊熵的计算公式, 并将该公式与现有直觉模糊熵公式进行比较. 算例分析表明, 所提出的熵公式能够更充分地反映直觉模糊集的不确定性和未知性程度.
相似文献针对决策信息为区间直觉模糊数且属性权重完全未知的多属性决策问题, 提出基于改进的区间直觉模糊熵和新得分函数的决策方法. 首先, 利用改进的区间直觉模糊熵确定属性权重; 然后, 利用区间直觉模糊加权算术平均算子集成信息, 得到各备选方案的综合属性值, 进而指出现有得分函数存在排序失效或排序不符合实际的不足, 同时给出一个新的得分函数, 并以此对方案进行排序; 最后, 通过实例表明了所提出方法的有效性.
相似文献研究权重完全未知、评价信息为区间直觉模糊数的多准则决策问题. 考虑犹豫度影响, 给出备选方案与正理想方案、负理想方案形成的向量表达方式, 提出一种针对区间直觉模糊信息的向量投影测度方法; 构建基于方案投影总偏差最小的非线性规划准则权重确定模型; 给出基于方案投影的相对贴近度测算公式, 并以此对方案进行排序. 最后通过算例对比分析表明了所提出方法的有效性和可行性.
相似文献针对不同直觉模糊集的隶属度与非隶属度可能存在交叉影响, 提出广义直觉模糊加权交叉影响平均(GIFWIA) 算子, 推导出其数学表达式, 研究该算子的性质, 并探讨了基于GIFWIA 算子的多属性决策方法. 通过实例表明了所提出广义算子在决策应用中的有效性, 并分析了不同参数lambda 对决策的影响. 通过灵敏度和相关比较分析, 解释了交叉影响对决策结果的影响, 表明了所提出广义算子的稳定性.
相似文献数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.
相似文献针对具有多部门多指标特征的复杂大群体应急决策问题, 提出一种新的决策方法. 首先, 给出直觉模糊数相似度公式, 将其作为相聚度公式对专家偏好进行聚类; 然后, 以同一部门指标数据的方案区分度最大化为目标, 构建优化模型以确定部门指标权重; 接着, 基于部门信息区分度结合极大熵原理对部门权重进行求解, 进而对备选方案进行排序; 最后, 通过一个算例验证了所提出方法的可行性和有效性.
相似文献