文献检索-宁波市创意产业特色资源库

限定检索结果

不同FCM聚类算法的模糊时间序列预测模型比较: 收藏
分享
引用; 《数学的实践与认识》2024年第5期54卷 128-140页; 作者：王敏何腾松彭鼎贵州师范大学数学科学学院贵州贵阳550025; 在模糊时间序列预测模型通常涉及到论域的划分,通常用FCM聚类算法来对论域进行划分,或者用样本点和聚类中心计算出的相似性距离(DTW)来代替传统的欧式距离,即得到DTW-FCM聚类算法来对论域划分.其中基于DTW的FCM聚类算法(DTW-FCM),引入...; 在模糊时间序列预测模型通常涉及到论域的划分,通常用FCM聚类算法来对论域进行划分,或者用样本点和聚类中心计算出的相似性距离(DTW)来代替传统的欧式距离,即得到DTW-FCM聚类算法来对论域划分.其中基于DTW的FCM聚类算法(DTW-FCM),引入了一个负指数变量,以获得更好的鲁棒性,由此设计出基于DTW改良后的FCM聚类算法(DTW-MFCM).最后将Alabama大学入学人数预测案例和美国二氧化碳排放总量实列应用到该模型上,将预测结果与其他模糊时间序列预测模型进行比较,结果表明该模型的预测精度和稳定性明显提高,优于其他经典模型.; 来源：详细信息评论

限定检索结果