Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Cluster Validation Analysis on Attribute Relative of Soft-Set Theory Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Non-linear Based Fuzzy Random Regression for Independent Variable Selection

verfasst von : Mohd Zaki Mohd Salikon, Nureize Arbaiy

Erschienen in: Recent Advances on Soft Computing and Data Mining

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This paper demonstrates a fuzzy random regression approach using genetic algorithm (FRR-GA) to select independent variable for regression model. The FRR-GA approach enables us to indicate the best coefficient values among regressor that indicate the best independent variable, which is important to build regression model. Additionally, the fuzzy random regression approach is employed to treat dual uncertainties due to the realization of such data in real application. This paper presents an algorithm reflecting the non-linear strategy in the fuzzy random regression model. A numerical example illustrates the proposed solution procedure whereby the result suggested several feasible solutions to the user.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Computing the Metric Dimension of Hypercube Graphs by Particle Swarm Optimization Algorithms
Nächstes Kapitel Time Series Forecasting Using Ridge Polynomial Neural Network with Error Feedback
Literatur
1.
Abiyev, R.H., Aliev, R., Kaynak, O., Turksen, I.B., Bonfig, K.W.: Fusion of computational intelligence techniques and their practical applications. Comput. Intell. Neurosci. 2015, 463147:1–463147:3 (2015)CrossRef
2.
Stewart, T.J., Durbach, I.: Dealing with uncertainties in MCDA. In: Multiple Criteria Decision Analysis, pp. 467–496. Springer, New York (2016)
3.
Dubois, D., Prade, H.: Possibility theory and its applications: where do we stand? In: Kacprzyk, J., Pedrycz, W. (eds.) Springer Handbook of Computational Intelligence, pp. 31–60. Springer, Heidelberg (2015)CrossRefMATH
4.
Scholten, L., Schuwirth, N., Reichert, P., Lienert, J.: Tackling uncertainty in multi-criteria decision analysis–an application to water supply infrastructure planning. Eur. J. Oper. Res. 242(1), 243–260 (2015)CrossRef
5.
Arbaiy, N.: Fuzzy regression for weight information extraction in fuzzy environment. In: Knowledge Management International Conference (KMICe) (2014)
6.
Arbaiy, N., Watada, J., Lin, P.C.: Fuzzy random regression-based modeling in uncertain environment. In: Sustaining Power Resources through Energy Optimization and Engineering, p. 127 (2016)
7.
Griffiths, T.L., Tenenbaum, J.B.: Predicting the future as Bayesian inference: people combine prior knowledge with observations when estimating duration and extent. J. Exp. Psychol. 140(4), 725–743 (2011)CrossRef
8.
Sykes, A.O.: An introduction to regression analysis (1993)
9.
Watada, J., Wang, S., Pedrycz, W.: Building confidence interval-based fuzzy random regression model. IEEE Trans. Fuzzy Syst. 11(6), 1273–1283 (2009)CrossRef
10.
Nureize, A., Watada, J.: Building fuzzy random objective function for interval fuzzy goal programming. In: Proceedings of IEEE International Conference on Industrial Engineering and Engineering Management, pp. 980–984 (2010)
11.
Oreski, S., Oreski, G.: Genetic algorithm-based heuristic for feature selection in credit risk assessment. Expert Syst. Appl. 41(4), 2052–2064 (2014)CrossRef
12.
Aydilek, I.B., Arslan, A.: A hybrid method for imputation of missing values using optimized fuzzy c-means with support vector regression and a genetic algorithm. Inf. Sci. 233, 25–35 (2013)CrossRef
13.
Nureize, A., Watada, J.: Multi-level multi-objective decision problem through fuzzy random regression based objective function. In: Fuzzy Systems (FUZZ) (2011)
14.
Liu, B., Liu, Y.-K.: Expected value of fuzzy variable and fuzzy expected value models. IEEE Trans. Fuzzy Syst. 10(4), 445–450 (2002)CrossRef
15.
Liu, Y.-K., Liu, B.: Fuzzy random variable: a scalar expected value operator. Fuzzy Optim. Decis. Making 2(2), 143–160 (2003)MathSciNetCrossRefMATH
16.
17.
Guo, H., Wang, X.: Variance of uncertain random variables. J. Uncertainty Anal. Appl. 2(1), 1 (2014)
18.
19.
González-Rodríguez, G., Blanco, Á., Colubi, A., Lubiano, M.A.: Estimation of a simple linear regression model for fuzzy random variables. Fuzzy Sets Syst. 160(3), 357–370 (2009)MathSciNetCrossRefMATH
20.
Dasgupta, D., Michalewicz, Z. (eds.): Evolutionary Algorithms in Engineering Applications. Springer, Heidelberg (2013)
21.
Hoque, M.S., Mukit, M., Bikas, M., Naser, A.: An implementation of intrusion detection system using genetic algorithm (2012). arXiv preprint arXiv:​1204.​1336
22.
Melanie, M.: An Introduction to Genetic Algorithms. A Bradford Book. The MIT Press, Cambridge (1999). Fifth printingMATH
23.
Fahmi, Z., Samah, B.A., Abdullah, H.: Paddy industry and paddy farmers well-being: a success recipe for agriculture industry in Malaysia. Asian Soc. Sci. 9(3), 177 (2013)CrossRef
24.
Daño, E.C., Samonte, E.D.: Public sector intervention in the rice industry in Malaysia. State intervention in the rice sector in selected countries: Implications for the Philippines (2005)
Metadaten
Titel
Non-linear Based Fuzzy Random Regression for Independent Variable Selection
verfasst von
Mohd Zaki Mohd Salikon
Nureize Arbaiy
Copyright-Jahr
2017
Buch
Recent Advances on Soft Computing and Data Mining

Print ISBN: 978-3-319-51279-2

Electronic ISBN: 978-3-319-51281-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-51281-5_19

Premium Partner

    Bildnachweise