view in publisher's site

Fuzzy regression analysis: Systematic review and bibliography

Highlights•Comprehensive systematic review on the topic of fuzzy regression analysis.•Structuring and categorizing the diversity of papers, proposals and practical applications.•Extensive bibliography of 455 relevant articles.•Critical discussion of the presented methods and approaches.•Several directions for fruitful future research.AbstractStatistical regression analysis is a powerful and reliable method to determine the impact of one or several independent variable(s) on a dependent variable. It is the most widely used of all statistical methods and has broad applicability to numerous practical problems. However, various problems can arise, when for instance the sample size is too small, distributional assumptions are not fulfilled, the relationship between independent and dependent variables is vague or when there is an ambiguity of events. Moreover, the complexity of real-life problems often makes the underlying models inadequate, since information is frequently imprecise in many ways. To relax these rigidities, numerous researchers have modified and extended concepts of statistical regression analysis by means of concepts of fuzzy set theory. By now, there is a large number of papers on the topic of fuzzy regression analysis, especially concerning possibilistic, fuzzy least squares or machine learning approaches. Additionally, the variety of approaches includes probabilistic, logistic, type-2 and clusterwise fuzzy regression methods, among many others. Besides papers mainly devoted to advances in methodology, there are also several papers presenting case studies in various research fields. To structure this diversity of papers, proposals and applications we give in this paper a comprehensive systematic review and provide a bibliography on the topic of fuzzy regression analysis. Thus, the paper intends to consolidate the topic in order to aid new researchers in this area, focuses the field’s attention on key open questions, and highlights possible directions for future research.

تحلیل رگرسیون فازی: مرور سیستماتیک و کتابشناسی

نکات برجسته * بررسی سیستماتیک جامع در مورد موضوع تحلیل رگرسیون فازی. ساختار بندی و طبقه‌بندی تنوع مقالات، پیشنهادها و کاربردهای عملی. کتابشناسی گسترده ۴۵۵ مقاله مرتبط. بحث انتقادی در مورد روش‌ها و رویکردهای ارایه‌شده. چندین جهت برای تحقیقات مفید آینده تحلیل رگرسیون آماری یک روش قدرتمند و قابل‌اعتماد برای تعیین تاثیر یک یا چند متغیر مستقل بر یک متغیر وابسته است. این روش به طور گسترده از تمام روش‌های آماری استفاده می‌شود و قابلیت کاربرد وسیعی برای مشکلات عملی متعدد دارد. با این حال، مشکلات متعددی می‌توانند بوجود آیند، وقتی برای مثال اندازه نمونه بسیار کوچک است، فرضیات توزیعی برآورده نمی‌شوند، رابطه بین متغیرهای مستقل و وابسته مبهم است یا زمانی که ابهام از رویدادها وجود دارد. علاوه بر این، پیچیدگی مشکلات زندگی واقعی اغلب مدل‌های اساسی را ناکافی می‌سازد، زیرا اطلاعات اغلب از بسیاری جهات غیر دقیق هستند. برای رفع این مشکلات، محققان زیادی مفاهیم تحلیل رگرسیون آماری را با استفاده از مفاهیم نظریه مجموعه فازی اصلاح و بسط داده‌اند. تاکنون مقالات زیادی در مورد موضوع تحلیل رگرسیون فازی وجود دارد، به خصوص در مورد روش‌های ممکن، حداقل مربعات فازی یا یادگیری ماشین. علاوه بر این، انواع رویکردها شامل روش‌های رگرسیون فازی احتمالی، منطقی، نوع ۲ و خوشه‌ای است. علاوه بر مقالاتی که عمدتا به پیشرفت‌ها در روش‌شناسی اختصاص دارند، مقالات متعددی نیز وجود دارند که مطالعات موردی را در زمینه‌های مختلف تحقیق ارایه می‌دهند. برای ساختار بندی این تنوع مقالات، پیشنهادها و کاربردها در این مقاله یک مرور سیستماتیک جامع و کتابشناسی در مورد موضوع تحلیل رگرسیون فازی ارایه می‌دهیم. بنابراین، این مقاله قصد دارد تا موضوع را به منظور کمک به محققان جدید در این حوزه، متمرکز بر توجه این حوزه به سوالات کلیدی باز، و برجسته کردن مسیرهای ممکن برای تحقیقات آینده، تحکیم بخشد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Software
  • ترجمه مقاله Software
  • مقاله نرم‌افزار
  • ترجمه مقاله نرم‌افزار
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.