ESTIMATING THE PARAMETERS OF A FUZZY LINEAR REGRESSION MODEL

به كار گرفتن روش كمترين مربعات در رگرسيون خطي فازي بسيار مشكل است، بنابراين مقالات متعددي براي برآورد پارامترهاي مدل رگرسيون خطي فازي از روش هاي برنامه ريزي خطي استفاده كرده اند. در اين مقاله با تعميم و استفاده از فاصله اي كه توسط دياموند براي اعداد فازي تعريف شده است، پارامترهاي مدل رگرسيون خطي فازي را برآورد مي كنيم. همچنين نشان مي دهيم كه مجموع خطاها در اين روش به طور قابل توجهي كمتر از ساير روش هاي ارايه شده در رگرسيون خطي فازي است

Fuzzy linear regression models are used to obtain an appropriate linear relation between a dependent variable and several independent variables in a fuzzy environment. Several methods for evaluating fuzzy coefficients in linear regression models have been proposed. The first attempts at estimating the parameters of a fuzzy regression model used mathematical programming methods. In this thesis, we generalize the metric defined by Diamond and use it as a criterion to estimate these parameters. Our method, is not only computationally easy to handle, but, when compared with earlier methods, has a smaller the sum of errors of estimation.