Skip to main content
SUPERVISOR
SeyedReza Hejazi taghanaki,SyedMohmoud Taheri
سیدرضا حجازی طاقانکی (استاد مشاور) سیدمحمود طاهری (استاد راهنما)
 
STUDENT
Maryam Kelkinnama
مریم کلکین نما

FACULTY - DEPARTMENT

دانشکده ریاضی
DEGREE
Master of Science (MSc)
YEAR
1385

TITLE

Fuzzy Regression Based on L1 Norm
Fuzzy regression based on least absolute deviations is investigated. First, we introduce a metric,, on the space of LR fuzzy numbers which measures the distance betwee such fuzzy numbers based o orm. In order to find the coefficients of fuzzy linear regression models, we minimize the sum of distances between observed and estimated fuzzy outputs for all observations. For simplifying the minimization problem, we translate it to a standard mathematical programming problem. After introducing some indices of goodness of fit of fuzzy regression models, we assess the performance of the proposed models by several common data set.
رگرسیون فازی مبتنی بر کمترین قد ر مطلق انحرافات مورد مطالعه و تحقیق قرار گرفته است. ابتدا متری بر روی اعداد فازی تعریف می کنیم و سپس از آن برای به دست آوردن ضرایب مدل های بهینه رگرسیون فازی استفاده می نماییم. اساس روش پیشنهادی بدین صورت است که مجموع فاصله های بین خروجی های فازی مشاهده شده و خروجی های فازی برآورد شده از مدل که با متر معرفی شده اندازه گیری می شوند، مینیمم شود. برای حل این مساله مینیمم سازی، آن را به یک روش برنامه ریزی ریاضی (خطی یا غیرخطی) تبدیل می کنیم. پس از معرفی چند معیار نیکویی برازش مدل های رگرسیونی و در قالب چند مثال عددی، عملکرد روش رگرسیونی پیشنهادی با دیگر روش های رگرسیونی مورد مقایسه قرار می گیرد.

ارتقاء امنیت وب با وف بومی