基于近似熵测度的变权组合预测方法

提出一种基于近似熵测度的变权组合预测方法.首先,不同于传统的预测效果评价准则,从衡量样本序列复杂性的角度出发,以预测值误差序列的近似熵测度为评价效果准则,建立变权组合预测优化模型;然后,在变权组合预测权值分配问题上,为克服常规的均值估计法和回归分析法的不足,采用在线最小二乘支持向量机(LS-SVM)回归法,实现预测点加权系数的准确预测;最后,通过实例表明了该方法的可行性和有效性.     

电力负荷交叉变权组合预测

传统的基于误差指标的组合负荷预测模型不能反映单项预测方法在不同样本时刻预测效果不同的事实,同时传统模型不能有效处理不同样本时刻对目标预测日影响不同的事实。本文给出并给出了改进的抽象模型,并给出实例化该模型的三种方法,结果表明文中方法提高了预测精度。     

基于改进熵权法的智能手机评价模型

针对消费者选购智能手机的问题,根据德尔菲法对消费者选购智能手机的影响因素进行分析,初步建立11项评价指标,利用粗糙集属性约简原理对评价指标进行约简,约简后得到的6项核心评价指标,然后利用熵权法对约简后的评价指标进行赋权,从而建立智能手机的综合评价模型,并对选取的12种智能手机进行评价,结果表明此方法是有效且合理的.     

基于模糊变权组合预测模型的航材预测

由于航材预测的发展,每一种航材的预测模型有很多种。不同模型的预测模型体现了预测对象不同方向的发展趋势,合理地处理信息可以更加全面地预测航材需求趋势。模糊变权组合预测模型不同于传统组合预测模型,它采用权重系数为三角模糊数来组合不同预测模型结果,并以单项预测方法预测精确度指数最小为准则,集成处理得到较窄的取值范围来帮助航材预测决策。最后以实例验证方式检验该模型的有效性和准确性,具有一定的实用性。     

基于熵权的网络流量预测加权局域线性模型

采用熵权系数代替空间距离来确定相空间邻近相点及其权重的方法,提出了一种网络流量预测的加权局域线性模型,该模型克服了用距离来确定相空间邻近相点及其权重的传统局域模型在预测高嵌入维的混沌时间序列时预测精度下降的缺点。模拟试验结果表明,和传统加权模型相比,当网络流量时间序列的嵌入维数较高时,该模型能大幅度提高预测精度。     

全局时变权组合预测方法

文章提出了一种新的组合预测方法—全局时变权组合预测方法。这种组合预测方法根据以往的全部历史数据,利用数值计算的手段决定组合系数函数中的参数,于是组合系数随时间的推移而变化。这种组合预测方法既能充分利用历史数据,又可以同时跟踪变量的时变特性。     

可容忍预测误差及其在汇率组合预测中的应用

鉴于传统的最优化组合预测模型确定权重的方法未考虑到数据中极端值的影响,存在一定的局限性。为了更好地提高组合预测的精度,提出了预测结果可容忍误差的相关概念。将其应用到每种单项预测结果及组合预测结果的效果分析中,提出了一类基于可容忍误差的最优化组合预测模型,从而确定组合预测中各单项预测方法的权重。以2016年1月4日至2018年6月12日日元兑换美元日汇率收盘价的数据为例验证了模型的可行性和合理性。结果表明,所提出的最优化模型能够有效提高组合预测的精度。     

改进熵值法和马尔科夫链的组合预测及应用

机场货邮吞吐量是机场决策规划和发展的基础。传统的单一预测由于精确度低等各种缺陷,已不能满足越来越高的要求,为了准确合理预测航空货邮吞吐量,提出了在各单一预测模型的基础上,利用熵值法建立组合预测模型的方法,并对西安咸阳国际机场货邮吞吐量进行组合预测。实例表明,熵值法组合预测模型与单一预测模型相比,实用性更强,预测精度也有所提高。选用马尔科夫链模型对熵值法组合模型预测结果进行修正处理,增加预测结果的可信度。     

基于改进熵权和灰关联分析的风险评估方法

针对目前基于传统熵权法的局限性和风险评估中各风险要素之间的复杂关联性,提出一种基于改进熵权和灰关联分析的风险评估方法。     

一种新的聚类算法

基于万有引力原理提出一种新的聚类算法 .新算法假定样本元素间的聚类动力取决于元素所在的位置以及所属聚类团 .对于初始产生的聚类团利用模糊 c均值聚类算法的部分改进步骤调整各元素相对于临时聚类中心的模糊权值 ,最后产生 c个不同的聚类团 .实验结果证明该算法具有较好的聚类效果 ,特别是当数据分布具有非凸结构形式时其聚类效果明显优于模糊 c均值 ( FCM)聚类算法     

基于加权香农熵的图像阈值法

熵阈值法是图像分割的一种重要方法,在图像处理与识别中广为应用。针对最大熵阈值法是基于图像灰度分布的均匀性假设,导致它对有些图像分割无效的问题,首先提出了加权信息熵的图像分割新方法,其次对加权信息熵的灰度级权因子选取方式进行了探讨,最后给出了基于类内熵和类间熵相结合的图像分割效果评价新方法。实验结果表明,提出的方法是可行的。     

基于客观赋权法的多属性社交网络节点重要性排序

本文研究多属性社交网络节点重要性排序问题。已有的多属性排序法基于主观赋权,在研究者对某数据集或者是某社交领域并非很熟悉的情况下,主观赋权容易出现偏差。针对这点本文提出在对不熟悉的数据领域时采用客观赋权法—熵权法,进行权值的确定,为验证排序效果设计了“排序相似度”的计算方法。实例证明该相似度的合理性。实验对比不同主客观赋权排序结果的相似度,显示不同主观赋权表现出不同的相似度,证明主观判断存在差异,而客观赋权排序与熟悉情况下的主观赋权呈现强相关关系,能帮助使用者进行合理赋权。     

基于相空间重构与卡尔曼滤波计算组合的短期汇率预测

用微熵率法求得相空间重构的最优嵌入维数及时滞,应用最优嵌入维数及时滞对一维汇率数据进行延时嵌入相空间重构.然后,应用卡尔曼滤波算法在重构后的相空间中对汇率系统进行建模与预测.实验结果与遗传(GA)神经网络预测进行了比较,实践表明,该算法在短期汇率预测中,速度及准确率上均优于GA神经网络.     

初始聚类中心优化的加权最大熵核FCM算法

针对传统基于最大熵模糊 C 均值聚类算法（MEFCM）仅适用于球状或椭圆状聚类,为了解决数据分布混乱以及高度相关难以划分的情形,引入 Mercer 核函数,使原来没有显现的特征突现出来,从而使聚类效果更好。然而在实际问题中,大多数样本集的样本数据都存在着重要性（权重）不同的现象,主要针对样本集中各个数据的不同重要程度来设计加权方法,同时为了克服聚类算法对初始聚类中心选取的敏感性这一弱点,提出了一个初始聚类中心优化的加权最大熵核模糊聚类算法（WKMEFCM）。通过实验验证,该算法与原MEFCM算法比较,其聚类结果更加稳定、准确,从而达到更好的聚类划分效果。     

基于最优赋权法下我国房地产行业可持续发展状况研究

为了更好的对我国房地产行业可持续发展状况进行分析,同时在体现各指标重要性的前提下降低层次分析法的主观性,更科学合理地进行研究,论文将层次分析法与熵值法相互结合,构造最优赋权模型来研究我国房地产行业的可持续发展状况,从"房地产经济"、"城市环境"和"社会生活"三大指标入手,收集了我国1999-2018年的相关指标数据,采...     

基于提升方法的短期负荷预测的研究

目前有很多方法可以实现电力负荷预测,但各种方法都有各自的局限性,如何充分利用各种算法,使负荷预测的精确度提高,组合预测方法便应运而生了。然而当前的组合预测方法过于重视算法,而忽略样本。文中给出了一种基于提升方法的电力负荷预测挖掘算法,该方法通过样本权值进行抽样,训练生成模型,并根据模型效率改变样本权值,再次抽样训练生成模型,如此迭代生成多个模型后进行负荷预测。实际应用结果表明该方法比其它方法具有较高的精度。     

一种选择性加权聚类融合算法

传统的聚类融合方法通过融合所有成员实现融合,无法彻底消除劣质聚类成员对融合质量的影响,而从聚类成员的选择和加权两方面进行聚类融合,即先采用两两融合技术代替融合所有聚类结果进行聚类成员选择,然后进行基于属性的聚类成员加权,在理论上具有更好优越性。通过对真实数据和模拟数据的实验发现,该算法能有效处理聚类成员的质量差异,比传统聚类融合能得到更好的聚类结果,具有较好可扩展性。