بخشی از مقاله
چکیده
در این مقاله، به تخمین پارامترهای مدل رگرسیون نیمه پارامتری با استفاده از متری که بر اساس تفاضل _ شک ها است، پرداخته می شود. در این رویکرد، که در آن از کمترین قدرمطلق خطا با استفاده از روش های خوشه بندی فازی استفاده می شود یک روش رگرسیون فازی معرفی می شود. در انتها نتایج حاصل را با روش یانگ و کو بر اساس معیارهای نیکویی برازش پیشنهادی، مقایسه می کنیم.
واژگان کلیدی. عدد فازی، آلفا-شک، خوشه بندی فازی، رگرسیون تعمیمیافته ی یک مرحله ای، رگرسیون نیمه
١. مقدمه
برای دسته بندی افراد، اشیاء و دادهها در گروه های - خوشه های - مختلف از روش های خوشه بندی استفاده می شود که در آن هر خوشه شامل تعدادی از افراد یا اشیاء است که دارای خوصوصیات مشابهی باشند. خوشه بندی از جمله روش های پرکاربرد در تجزیه و تحلیل داده های چند متغیره است. در روش های خوشه بندی کلاسیک، هر داده به یک و فقط یک خوشه نسبت داده می شود، در حالی که در خوشهبندی فازی، یک تفکیک با افراز فازی صورت می گیرد، به این معنی که هر داده با یک درجه عضویت به یک خوشه متعلق است. پس از تعریف مجموعه های فازی توسط زاده - ۶۵١٩ - ، اولین گام در این جهت توسط رسپینی - ٩۶١٩ - برداشته شد.
یانگ و کو - ۶١٩٩ - ، یک روش خوشه بندی فازی را ارائه کردند. این روش تعمیمی از روش خوشه بندی میانگین معمولی، برای حالتی است که که داده ها به صورت فازی مشاهده شده باشند.در این مقاله، پس از بیان مفاهیم اولیه، به تخمین پارامترهای مدل رگرسیون نیمه پارامتری با استفاده از متری که بر اساس تفاضل _ شک ها است، پرداخته می شود. در این رویکرد، که در آن از کمترین قدرمطلق خطا با استفاده از روش های خوشه بندی فازی استفاده می شود یک روش رگرسیون فازی معرفی می شود. در انتها نتایج حاصل را با روش یانگ و کو بر اساس معیارهای نیکویی برازش پیشنهادی، مقایسه می کنیم.
٢. مفاهیم اولیه
در این بخش به بیان برخی مفاهیم اساسی که در ادامه مقاله مورد نیاز است، می پردازیم.
