臺灣博碩士論文加值系統

自從 Tanaka 等人提出了模糊模型之線性迴歸分析的研究後，模糊迴歸分
析已經被廣泛地應用於各種領域中。我們知道在迴歸分析中的異質變異數
特性在實際的情況中常出現。這篇論文的主要目的就是將模糊聚類方法應
用在模糊迴歸分析中，模糊聚類技術被用來克服解決模糊迴歸模型中異質
變異性的問題，我們將兩者結合起來建立出聚類式模糊迴歸分析。我們將
深入探討兩種程序來探討。第一個是二階段的程序，我們首先選擇一個模
糊聚類的程序來獲得觀測值的群集隸屬程度，然後我們使用這些隸屬值當
做權重，並且考慮一個在 d_LR 矩量下的模糊迴歸模型的加權模糊最小平
方差最佳化問題，一些 Diamond 與 Jajuga 的數值比較結果也提出來參
考。我們注意到前面所提二階段的程序雖是容易處理的，但它卻很依賴所
選用的模糊聚類程序，如果我們將二階段的模糊聚類方法與模糊迴歸分析
結合成為一階段的程序，我們是真正地將模糊聚類方法植入到尋找建立模
糊迴歸模型的演算法中每一步驟上。在模型適合度上，這種一階段的程序
應該是比二階段的程序更為有用且有效率，因為它已經將資料本身的結構
特性有效地在演算法的每一步驟中考慮進去了。在這篇論文中，我們提出
了聚類式模糊迴歸分析的兩種處理方法：一個是二階段加權模糊迴歸及另
一個是一階段廣義的模糊迴歸。我們所提的二階段程序是Diamond 和
Jajuga 方法的推廣，一階段程序是一個新建立的程序，在數值實驗下我
們總結一階段程序在聚類式模糊迴歸分析上是被極力推薦使用的。

Since Tanaka et al. proposed a study in linear regression
analysis with fuzzy model, fuzzy regression analysis has been
widely studied and applied in a variety of substantive areas.
We know that the regression analysis in the case of
heterogeneity of observations are commonly presented in
practice. In this paper, the main goal is to apply fuzzy
clustering techniques to fuzzy regression analysis. The fuzzy
clustering is used to overcome the heterogeneous problem in
fuzzy regression model. We combine both together and call it
the cluster-wise fuzzy regression analysis.