简介：为了在保证计算精度的前提下使模型简化并便于计算,要尽量少地用对模型影响较大、相互独立的特征变量进行建模。在进行特征变量选择时,既要考虑选择对主因素有重要影响的变量,也要排除各影响变量间的多重相关性的干扰。首先建立各特征变量同费用的灰色关联度,根据关联度的大小对众多特征变量进行排序,排除关联度相对极小并同其他因素关联度差异明显的特征变量,减少次要影响因素对估算结果造成的干扰;其次,应用基于特征权值的模糊动态聚类方法,并突出近期数据的重要性,对影响因素进行聚类分析,排除影响因素间多重相关性的干扰。论文通过实例分析进行了验证。
简介：针对信息质量评估系统中各环节影响因素的评估问题,提出了一种基于自适应模糊神经网络（FNN）的信息汇聚质量评估方法,从汇聚结果满足用户需求的角度判断信息汇聚质量的优劣。依据用户体验满意度调查数据,结合神经网络的自主学习与模糊控制的模糊推理能力,提出了该方法,并将生成的TS型模糊推理系统作为汇聚质量评估参考模型。试验结果表明,该方法预测汇聚质量可反映人工专家经验。
特征变量的灰色模糊动态聚类选择方法
基于自适应模糊神经网络的信息汇聚质量评估方法
