基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

基于自适应神经模糊推理系统的货运量预测研究

考虑到货运量预测的复杂性及非线性特点,本文将自适应神经模糊推理系统(ANFIS)引入货运量研究中,利用ANFIS对货运量进行预测.通过对我国铁路货运量及公路货运量的实例分析检验ANFIS有效性.结果表明,ANFIS有效地预测了我国铁路货运量及公路货运量,具有较高的预测精度及较快的收敛速度,是一种有效的货运量预测方法.     

基于ANFIS发动机失火故障诊断模型的研究

本文利用基于ANFIS的模糊神经推理机对发动机失火故障进行诊断，建立起发动机失火故障的ANFIS模糊神经网络模型，对其进行训练及仿真，结果表明此方法是简单、有效、可行的。     

基于ANFIS和Elman网络的信用评价研究

BP神经网络用作信用等级分类可取得较好的效果,但在过分要求输出信用分值时效果不佳。针对该缺陷,本文采用自适应神经网络(ANFIS)和Elman网络研究公司信用评分。文中提出了一套甄选方法准则,用于建立适合我国企业的信用评分指标体系;然后依据该指标体系建立了基于Elman网络和ANFIS的信用评估模型;采用V foldCross validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

基于PLS的变权重组合预测方法

在目前研究较多的组合预测模型中加权系数是不变的.事实上,假定加权系数为常数,组合预测模型并不能很好地反映预测方法的有效性.基于以上事实,本文提出基于PLS的变权重组合预测方法,利用偏最小二乘回归方法求得组合预测的权重函数.最后通过实例分析验证了方法的有效性.     

一种新的计算组合预测权重的方法

建立了基于最小二乘原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即Frank-Wolfe算法,并将其应用于实证研究.结果表明,Frank-Wolfe方法用于求解组合预测问题的权重时,是一种行之有效的方法.     

基于改进支持向量机的电信客户流失预测模型

随着电信业改革的深入和竞争的加剧,电信企业的客户流失率逐步攀升,如何预测并有效减少客户流失直接关系到电信企业的生存和发展.流失客户在客户总体中占比例较低,因此电信客户数据集中存在明显的非平衡数据问题,传统的客户流失预测把客户流失作为普通的模式识别问题处理,建立基于普适机器学习的预测模型.在两类错误的错分代价相差较大的情况下,基于普适机器学习的预测模型缺乏实用价值,因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型,将不同的错分代价纳入建模过程,有效的提高了模型的预测性能.     

股市波动率的短期预测模型和预测精度评价

基于幂转换以及不设定扰动项的具体相关结构和分布形式,构建了半参数的短期预测模型来预测中国股市的波动率.模型采用基于极值估计量的两阶段估计法进行估计,估计方法的小样本性质表现良好.此外,还通过具有Bootstrap特性的SPA检验实证比较了新模型与其他6种预测模型的预测精度.实证结果表明,在各种损失函数下,半参数短期预测...     

基于向量夹角余弦的组合预测模型的性质研究

基于向量夹角余弦的组合预测是一种相关性的组合预测模型,它是研究组合预测方法的一个新途经.针对基于向量夹角余弦准则下组合预测模型,研究它的基本结构特征.首先提出新的优性组合预测、预测方法优超、冗余度等概念.然后探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并给出冗余信息的判定定理.最后进行实例分析,表明该方法有较大的实际应用价值.     

组合预测误差校正模型的应用分析

过仿真和实例应用进一步分析了基于斯坦规则估计和误差校正机制的组合预测模型 的适用性,并初步探讨对不同形式的组合预测模型进行再组合的效果. 应用结果表明,对于非 平稳或模式变动较大的平稳序列,组合预测的误差校正模型相对于非误差校正模型具有明显 的性能优势,不同组合预测的再组合可在一定程度上分散组合预测模型形式选择不当的风险.