基于直觉时间模糊序列的财务风险精准预测研究

由于现有方法在偿债能力、盈利能力指标类别的风险预测方面存在一定问题,因此提出一种基于直觉时间模糊序列的医院财务风险精准预测方法。利用强关联规则挖掘医院财务风险数据,遵循四种基础原则选取医院财务风险指标。根据指标基于直觉时间模糊序列构建医院财务风险预测模型,实现财务风险的精准预测。经实验测试,设计方法预测误差率小,具有一定应用价值。

高阶直觉模糊时间序列预测模型

提出一种高阶直觉模糊时间序列预测模型。模型首先应用模糊聚类算法实现论域的非等分划分;然后,针对直觉模糊时间序列的数据特性,提出一种更具客观性的直觉模糊集隶属度和非隶属度函数的确定方法;最后,利用直觉模糊多维取式推理建立高阶模型的预测规则,进行预测。在Alabama大学入学人数和北京市日均气温2组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。

基于直觉模糊推理的直觉模糊时间序列模型

由于受到模糊集理论的限制,模糊时间序列预测理论在不确定数据集的描述上有失客观,针对这种局限性,提出一种直觉模糊时间序列预测模型。应用模糊聚类算法实现论域的非等分划分;针对直觉模糊时间序列的数据特性,提出一种更具客观性的隶属度和非隶属度函数的确定方法;提出一种基于直觉模糊近似推理的模型预测规则。在Alabama大学入学人数和中国社会消费品零售总额数据集两组数据集上分别与典型方法进行对比实验,结果表明该模型有效提高了预测精度,证明了模型的有效性和优越性。

高阶多元直觉模糊时间序列预测模型

为了突破模糊集理论的限制,更客观地描述不确定性数据,提出一种高阶多元直觉模糊时间序列预测模型.采用模糊聚类算法划分论域,并采用更具客观性的方法建立直觉模糊集的隶属度和非隶属度函数.依据直觉模糊多维取式推理的原理建立基于相似度量的启发式推理规则,作为高阶多元模型的预测规则,并且建立相应的解模糊方法.利用北京市日均气温数据集进行对比实验,结果表明,该模型的预测均方误差(0.86)和平均预测误差(2.57%)较现有方法均明显降低,预测结果优于模糊时间序列预测模型和普通直觉模糊时间序列预测模型.

基于直觉模糊时间序列与Elman神经网络组合模型的动态顾客需求预测

针对顾客动态需求预测问题,选取芥末留学咨询服务企业2019年4月至8月的顾客需求数据,采用Matlab7.0对芥末留学顾客需求的相关影响因素作为预测因子进行预测。结果表明:组合预测模型有效地提高了预测精度,将预测精度误差降低到了2.6%,为顾客需求预测提供了新的组合模型;将组合模型应用到了留学服务顾客需求预测中,为留学服务行业制定顾客策略提供了指导。

一种新的直觉模糊时间序列预测方法

针对现有直觉模糊时间序列预测模型论域区间划分和序列数据直觉模糊化预处理方法存在的问题,提出了一种新的直觉模糊时间序列预测算法,通过引入滑动窗口参数准确反映不确定数据集的分布特性,利用可调参的直觉模糊C均值聚类算法优化论域区间划分标准,基于直觉模糊范数定义语言变量直觉模糊集,有效地提高了复杂环境下时序系统的预测精度。最后,通过典型实例验证了该方法的有效性和优越性。

基于FCM算法的高阶直觉模糊时间序列预测模型

针对现有模糊时间序列预测模型中有效论域划分和历史数据模糊化处理存在的不足,提出一种新的高阶直觉模糊时间序列预测模型.该模型首先将等分论域划分和基于FCM算法的非等分论域划分两种划分方法结合起来,较好地反映了历史数据内部或局部形态的关联特征.在此基础上,根据直觉模糊时间序列的数据特点,给出一种更具客观性的方法对历史数据直觉模糊化处理,较好地反映了历史数据“非此非彼”的模糊状态.然后结合“max-min”聚合运算,合理地选取要考虑的模糊状态,进而对预测结果去模糊化输出.在实验部分,该模型利用阿拉巴马大学学生招生人数和黄金期货收盘价格为实验数据,将预测结果与现有部分模型的预测结果进行对比分析,验证了新模型的可行性和有效性.

基于矢量量化IFTS的网络流量预测模型

针对传统网络流量预测模型存在的局限性,提出一种基于矢量量化直觉模糊时间序列的网络流量预测模型。利用模糊直觉推理有效地表述了网络流量数据中存在的高度模糊性以及不确定性,利用直觉模糊时间序列矢量距离作为评估标准,并且通过坐标平移与质心进行匹配,提升不同时间序列段的分类能力,从而有效地建立网络流量预测模型。通过实验分析可知,提出的预测模型能够提升预测精度并且减少计算复杂度,另外该算法有能力长期预测多个输出。

基于直觉模糊时变时间序列的预测方法

提出了一个基于时变的直觉模糊时间序列预测模型,这个模型利用直觉模糊集理论来对一些观察值是语言值的时间序列问题进行预测。该模型通过建立直觉模糊转移关系,实现动态过程问题的处理。把提出的模型应用到广西大学的学生招生数的预测。通过与现有的方法进行比较来说明本文所给出方法的优越性。

网电空间中基于IFTS预测模型的IDS方法

网电空间是在信息化发展条件下随着世界军事的重大变革而产生的新兴作战空间,尤其是在防空反导对抗方面具有十分重要的影响。由于安全机制不尽完善,网络空间所要面对的威胁也不断增多。基于此背景,文中提出一种基于IFTS预测模型的入侵检测方法,该方法通过计算网络数据各特征属性的直觉模糊来预测误差,并通过直觉模糊预测误差来区分正常数据和入侵攻击,从而达到检测预警的目的。在此基础上,建立了入侵检测框架,并通过搭建仿真实验模拟平台来模拟一个抽象的、简化的网电空间对抗模型,对算法的有效性及效能进行验证。实验结果表明,该方法是一种有效的方法,并且在一定程度上提高了模型的检测率。

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.