0人評分過此書
迴歸分析是一種統計學上分析數據的方法，建立解釋變數與反應變數之間的關聯性。由於現實環境中，所獲得的資料並非都是明確的數值(crisp value)，有些資料本身是模糊的(fuzzy)，致使傳統的分析方法難以使用。為了處理這類型的資料，Zadeh學者在1965年提出模糊理論(Fuzzy set theory)，將不確定性表達於資料型態上，許多學者遂將迴歸分析方法擴展至模糊環境中，做更廣泛的應用。此外，直覺式模糊集合(Intuitionistic fuzzy sets, IFS)為模糊理論之延伸，在歸屬度函數
- 摘要
- Abstract
- 致謝
-
第一章 緒論
-
第一節 研究背景與動機
-
第二節 研究目的
-
第三節 研究限制
-
第四節 研究流程
-
第五節 論文架構
-
-
第二章 文獻探討
-
第一節 直覺式模糊集合
-
一、模糊理論
-
二、直覺式模糊集合之性質
-
三、直覺式模糊數
-
四、直覺式模糊數運算
-
五、直覺式模糊數解模糊化
-
-
第二節 模糊迴歸
-
一、數學規劃法
-
二、最小平方法
-
三、兩階段法
-
四、估計誤差
-
-
第三節 直覺式模糊迴歸
-
第四節 模型評估
-
一、平均相似測度
-
二、平均平方誤差
-
-
第五節 本章小結
-
-
第三章 模式建構
-
第一節 研究構想
-
一、相關模式建構方法探討
-
二、模型建構流程
-
-
第二節 模型建構方法
-
一、符號定義
-
二、前置資料處理
-
三、模式建構與求解
-
四、模型配適度
-
-
第三節 本章小結
-
-
第四章 模式應用與分析
-
第一節 範例演練
-
一、前置資料處理
-
二、模式的建構與求解
-
三、模型配適度
-
-
第二節 數值分析
-
一、展幅探討
-
二、截集數量討論
-
三、離群值影響
-
四、模式比較
-
五、非對稱資料模擬
-
六、模型交叉驗證
-
-
-
第五章 結論與建議
-
第一節 研究結論
-
第二節 未來研究方向
-
-
參考文獻
-
附錄一 Arefi and Taheri(2015)之範例資料
-
附錄二 原始資料於不同模型之MSM與MSE比較
-
附錄三 剔除離群值後於不同模型之MSM與MSE比較
-
附錄四 產出變數直覺式模糊估計值
-
附錄五 不同λ下產出變數直覺式模糊估計值
-
附錄六 交叉驗證平方誤差結果
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
EPUB
EPUB
PDF
PDF
PDF
PDF
