Fuzzy linear regression
Bulanık doğrusal regresyon
- Tez No: 328403
- Danışmanlar: YRD. DOÇ. DR. A.FIRAT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu Doğrusal Programlama (LP) yöntemleri Bulanık Doğrusal Regresyon (FLR) modellerinin kurulmasında sıkça kullanılmaktadır. Olasılıksal Bulanık Doğrusal Regresyon (PFLR) (Tanaka, 1989) ve Sınırlanmamış Bulanık Doğrusal Regresyon (UFLR) (Lee and Chang, 1994) modelleri en sık uygulanan modellerden ikisidir. Bu çalışmada doğrusal programlamayla çalışan modellerin en sık kullanılanlarına yer verilmiştir. Ayrıca modifiye edilmiş ve doğrusal programlamayla çalışan yeni bir bulanık doğrusal regresyon modeli önerilmiştir. Önerilen model bualnıklığı açıklanan ve açıklanamayan olmak üzere ikiye bölmektedir ve sadece açıklanan bulanıklığı minimize etmeye çalışmaktadır. Hata kareler ortalaması ve toplam bulanıklık açısından PFLR, UFLR ve yeni önerilen modeli karşılaştırmak için dört ayrı veri setiiyle dört ayrı uygulama yapılmıştır ve sonuçlar kabul edilebilir bulunmuştur.
Özet (Çeviri)
Linear Programming (LP) methods are commonly used to construct Fuzzy Linear Regression (FLR) models. Probabilistic Fuzzy Linear Regression (PFLR) (Tanaka, 1989) and Unrestricted Fuzzy Linear Regression (UFLR) (Lee and Chang, 1994) are two of the mostly applied models that employ LP methods. In this study, commonly used models which employ LP methods are given. Also a new modified fuzzy linear regression model which use LP methods is proposed. Proposed model divides total vagueness into two parts as explained and unexplained. It tries to minimize only the explained vagueness not the unexplained one. Four numerical applications with four different data sets were performed in which PFLR, UFLR and proposed model were compared in terms of mean squared error (MSE) and total fuzziness and it is concluded the proposed model is acceptable.
Benzer Tezler
- Fuzzy classification models based on Tanaka's fuzzy linear regression approach and nonparametric improved fuzzy classifier functions
Tanaka?nın bulanık doğrusal regresyon yaklaşımına dayalı bulanık sınıflandırma modelleri ve parametrik olmayan iyileştirilmiş bulanık sınıflandırma fonksiyonları
GİZEM ÖZER
Yüksek Lisans
İngilizce
2009
Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. İNCİ BATMAZ
PROF. DR. GÜLSER KÖKSAL
- Bulanık lineer regresyon
Fuzzy linear regression
MURAT ÇOBANOĞLU
Yüksek Lisans
Türkçe
2019
MatematikYıldız Teknik ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. FATMA TİRYAKİ
- Bulanık doğrusal regresyon analizi
Fuzzy linear regression analysis
DUYGU İÇEN
Yüksek Lisans
Türkçe
2010
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SÜLEYMAN GÜNAY
- Açıklık ve kapalılık varsayımları altında Yeni Keynesyen Hibrit (Melez) Phillips Eğrisinin bulanık doğrusal regresyon modellemesi
Fuzzy linear regression modeling of the New Keynesian Hybrid Phillips Curve under openness and closeness assumptions
DOĞAÇ ACAROĞLU
Yüksek Lisans
Türkçe
2021
EkonomiTrakya ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. MEHMET KENAN TERZİOĞLU
- Bulanık doğrusal regresyonda parametre tahmin yöntemleri
Parameter estimation methods in fuzzy linear regression
FATİH ERDUVAN
Yüksek Lisans
Türkçe
2011
İstatistikMarmara ÜniversitesiMatematik Ana Bilim Dalı
YRD. DOÇ. DR. BİRSEN EYGİ ERDOĞAN