|
|
Iranian Journal of Fuzzy Systems، جلد ۱۷، شماره ۴، صفحات ۱۰۵-۱۱۹
|
|
|
| عنوان فارسی |
|
|
| چکیده فارسی مقاله |
|
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
A robust least squares fuzzy regression model based on kernel function |
|
| چکیده انگلیسی مقاله |
In this paper, a new approach is presented to fit arobust fuzzy regression model based on some fuzzy quantities. Inthis approach, we first introduce a new distance between two fuzzynumbers using the kernel function, and then, based on the leastsquares method, the parameters of fuzzy regression model isestimated. The proposed approach has a suitable performance topresent the robust fuzzy model in the presence of different typesof outliers. Using some simulated data sets and some real datasets, the application of the proposed approach in modeling somecharacteristics with outliers, is studied. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
A. H. Khammar |
Department of Statistics, Faculty of Mathematical Sciences and Statistics, University of Birjand, Birjand, Iran
M. Arefi |
Department of Statistics, Faculty of Mathematical Sciences and Statistics, University of Birjand, Birjand, Iran
M. G. Akbari |
Department of Statistics, Faculty of Mathematical Sciences and Statistics, University of Birjand, Birjand, Iran
|
|
| نشانی اینترنتی |
http://ijfs.usb.ac.ir/article_5409_9f42718415f1e2c77d90e77b0b65b9f7.pdf |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/448/article-448-2427136.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
en |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|