A fuzzy regression model based on finite fuzzy numbers and its application to real-world financial data

منابع مختلف ناهماهنگی و عدم اطمینان در مسائل عملی مواجه می شوند و بنابراین ممکن است بسیاری از عناصر به طور نامناسبی مشاهده، تعریف شده یا درمان شوند. در این زمینه یکی از تکنیک های موفقیت آمیز استفاده شده برای توصیف روابط احتمالی بین متغیرهای فازی، روش رگرسیون است. در این مقاله، یک روش رگرسیون فازی با استفاده از یک کلاس یک عدد فازی تعریف شده توسط تعدادی از مجموعه های سطح به نام اعداد فازی محدود ارائه می کنیم. ما یک تصویر مشخص از یک عدد فازی محدود را از لحاظ افراطی مجموعه های سطح آن ارائه می دهیم و ما یک خانواده پارامتری از نیمکره های فازی بین آنها را ارائه می دهیم که به ما اجازه می دهد خطای فازی کامل تخمینی را (که به عنوان مجموع فازی مربع های باقیمانده در موارد خاص). فرایند برآورد شامل یافتن یک مدل رگرسیون است که به معنای فازی، چنین خطای فازی را به حداقل می رساند. اگر چه گسترش تعداد اعداد فازی محدود می تواند مقادیر بسیار نزدیک به صفر را بدست آورد، که این کار را برای یافتن مدل های غیر انتزاعی پیچیده می کند، الگوریتم ارائه شده می تواند تضمین کند که پاسخ پیش بینی یک متغیر فازی است. در نهایت، یک مثال عددی بر اساس داده های اقتصاد فازی چینی برای نشان دادن استفاده از روش پیشنهادی ارائه شده است.