组合样本指标的模糊多级判别与预测

本文是将模糊数学方法与多元统计方法相结合的一种尝试,所述方法能更充分地利用样本指标(线性的及非线性的)信息,具有处理模糊信息的能力,不受样本数据概率分布的限制,因而提高了多级判别与预报效果。可作趋势及定值预报,并更广泛地应用于各种多级判别与预测问题。     

关于分布自由的逐步回归集成预报法

继文本文提出在不同信度下,建立多个以秩和为因子的逐步回归方程,尔后应用集成最优法求出最优集成预报方程,它比文中的方法更充分地利用了大量因子的信息,从而提高了预报的精度和可靠性,其回报准确率和试报效果,均比普通逐步回归集成最优方程及文中以秩和为因子的单个逐步回归方程更为优越.     

任意分布的模糊多级判别法

本方法适用于任意分布的样本数据,能利用更多的因子信息且具有处理模糊信息的能力,可作趋势及定值预报.比通常的逐步判别法适用范围更广,效果更好.     

应用简易模糊推理的多级判别与预测

将模糊数学与多元统计相结合,提出一种模糊推理的简易方法,可避免计算多维模糊关系矩阵的困难。所述方法能更多地利用相关因子（线性的多线性的）信息,具有处理模糊信息的能力,不受样本数据概率分布的限制,因而提高了多级判别与预报的效果,它可用作趋势及定值预报,能更广泛地应用于实际问题。