Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації
Algorithms are presented for solving the problems of the fuzzy regression analysis under the conditions when the input and output variables are represented by Fuzzy-sets defined up to unknown parameters and the regression coefficients are real numbers. We proposed several new approximations of crite...
Gespeichert in:
| Datum: | 2017 |
|---|---|
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2017
|
| Schlagworte: | |
| Online Zugang: | http://journal.iasa.kpi.ua/article/view/101833 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | System research and information technologies |
Institution
System research and information technologies| _version_ | 1856543220933066752 |
|---|---|
| author | Zack, Yuriy A. |
| author_facet | Zack, Yuriy A. |
| author_sort | Zack, Yuriy A. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2018-03-30T15:25:34Z |
| description | Algorithms are presented for solving the problems of the fuzzy regression analysis under the conditions when the input and output variables are represented by Fuzzy-sets defined up to unknown parameters and the regression coefficients are real numbers. We proposed several new approximations of criteria based on the comparison of the convolution of the cross sections lengths and the center of gravity coordinates of membership functions of the Fuzzy-sets, which can be used for the fuzzy set variables of the problem of a general form. The algorithms convert a variable represented by linguistic terms of variable parameters or numerical scales into fuzzy sets and use these data in the problems of the Fuzzy-regression analysis. The results will allow to solve many practical problems in economics, logistics, sociology, and marketing. |
| first_indexed | 2025-07-17T10:20:58Z |
| format | Article |
| id | journaliasakpiua-article-101833 |
| institution | System research and information technologies |
| language | Russian |
| last_indexed | 2025-07-17T10:20:58Z |
| publishDate | 2017 |
| publisher | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| record_format | ojs |
| spelling | journaliasakpiua-article-1018332018-03-30T15:25:34Z Fuzzy-regression models under conditions of the presence of non-numeric data in the statistical sample Fuzzy-регрессионные модели в условиях наличия в статистической виборке нечисловой информации Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації Zack, Yuriy A. Fuzzy-regression analysis non-numeric statistics linguistic variable parameters numerical scales Fuzzy-sets approximation criteria method of least squares Fuzzy-регрессионный анализ нечисловая статистика лингвистические переменные параметры числовых шкал Fuzzy-множества критерии аппроксимации метод наименьших квадратов Fuzzy-регресійний аналіз нечислова статистика лінгвістичні змінні параметри числових шкал Fuzzy-безлічі критерії апроксимації метод найменших квадратів Algorithms are presented for solving the problems of the fuzzy regression analysis under the conditions when the input and output variables are represented by Fuzzy-sets defined up to unknown parameters and the regression coefficients are real numbers. We proposed several new approximations of criteria based on the comparison of the convolution of the cross sections lengths and the center of gravity coordinates of membership functions of the Fuzzy-sets, which can be used for the fuzzy set variables of the problem of a general form. The algorithms convert a variable represented by linguistic terms of variable parameters or numerical scales into fuzzy sets and use these data in the problems of the Fuzzy-regression analysis. The results will allow to solve many practical problems in economics, logistics, sociology, and marketing. Рассмотрены алгоритмы решения задач нечеткого регрессионного анализа в условиях, когда входные и выходная переменные представлены Fuzzy-множествами, определенными с точностью до неизвестных параметров, а коэффициенты регрессии — действительные числа. Предложены некоторые новые критерии аппроксимации, основанные на сравнении свертки длин сечений и координат центров тяжести функций принадлежности Fuzzy-множеств, которые могут быть использованы для нечетких множеств переменных задачи общего вида. Описаны алгоритмы преобразования переменных, представленных термами лингвистической переменной или параметрами числовых шкал, в нечеткие множества и использования этих данных в задачах Fuzzy-регрессионного анализа. Полученные результаты позволят решать многие прикладные проблемы в экономике, логистике, социологии и маркетинге. Розглянуто алгоритми розв’язання задач нечіткого регресійного аналізу в умовах, коли вхідні і вихідна змінні величини подані Fuzzy-множинами, визначеними з точністю до невідомих параметрів, а коефіцієнти регресії — дійсні числа. Запропоновано деякі нові критерії апроксимації, засновані на порівнянні згортки довжин перетинів і координат центрів тяжіння функцій належності Fuzzy-множин, які можуть бути використані для нечітких множин змінних задач загального вигляду. Описано алгоритми перетворення змінних, поданих термами лінгвістичної змінної або параметрами числових шкал, у нечіткі множини і використання цих даних в задачах Fuzzy-регресійного аналізу. Отримані результати дозволять вирішувати багато прикладних проблем в економіці, логістиці, соціології та маркетингу. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2017-03-21 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/101833 10.20535/SRIT.2308-8893.2017.1.07 System research and information technologies; No. 1 (2017); 88-96 Системные исследования и информационные технологии; № 1 (2017); 88-96 Системні дослідження та інформаційні технології; № 1 (2017); 88-96 2308-8893 1681-6048 ru http://journal.iasa.kpi.ua/article/view/101833/97036 Copyright (c) 2021 System research and information technologies |
| spellingShingle | Fuzzy-регресійний аналіз нечислова статистика лінгвістичні змінні параметри числових шкал Fuzzy-безлічі критерії апроксимації метод найменших квадратів Zack, Yuriy A. Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title | Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title_alt | Fuzzy-regression models under conditions of the presence of non-numeric data in the statistical sample Fuzzy-регрессионные модели в условиях наличия в статистической виборке нечисловой информации |
| title_full | Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title_fullStr | Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title_full_unstemmed | Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title_short | Fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| title_sort | fuzzy-регресійні моделі в умовах наявності в статистичній вибірці нечислової інформації |
| topic | Fuzzy-регресійний аналіз нечислова статистика лінгвістичні змінні параметри числових шкал Fuzzy-безлічі критерії апроксимації метод найменших квадратів |
| topic_facet | Fuzzy-regression analysis non-numeric statistics linguistic variable parameters numerical scales Fuzzy-sets approximation criteria method of least squares Fuzzy-регрессионный анализ нечисловая статистика лингвистические переменные параметры числовых шкал Fuzzy-множества критерии аппроксимации метод наименьших квадратов Fuzzy-регресійний аналіз нечислова статистика лінгвістичні змінні параметри числових шкал Fuzzy-безлічі критерії апроксимації метод найменших квадратів |
| url | http://journal.iasa.kpi.ua/article/view/101833 |
| work_keys_str_mv | AT zackyuriya fuzzyregressionmodelsunderconditionsofthepresenceofnonnumericdatainthestatisticalsample AT zackyuriya fuzzyregressionnyemodelivusloviâhnaličiâvstatističeskojviborkenečislovojinformacii AT zackyuriya fuzzyregresíjnímodelívumovahnaâvnostívstatističníjvibírcínečislovoíínformacíí |