یک روش کلاس‎‏‌بندی فازی برای رگرسیون غیرخطی‏ آمیخته

Abstract

مدل‌های رگرسیون آمیخته به طور گسترده‌ای برای به دست آوردن روابط بین متغیر پاسخ و یک یا چند متغیر پیشبین از چندین گروه غیر همگن به کار می‌روند. از آنجایی ‏بسیاری از داده‌ها در واقعیت دارای دم سنگینی‌ هستند بنابراین استفاده از مدل‌های رگرسیون آمیخته معمولی با خطاهای نرمال می‌تواند باعث ایجاد انحراف در استنباط شود. کلاس توزیع‌های مخلوط مقیاسی نرمال بسیاری از توزیع‌های برجسته متقارن را به عنوان موارد خاص در بر می‌گیرد.‎ در بسیاری از مطالعات از روش امید-ماکسیمم برای بدست آوردن تعداد خوشه‌ها و برآورد پارمترها استفاده می‌شود. ‏در این مقاله یک رویکرد فازی برای بدست آوردن تعداد خوشه‌ها و برآورد پارامترها در مدل رگرسیون آمیخته با توزیع‌ خطاهای مخلوط مقیاسی نرما‎ل‎ پیشنهاد شده است. دو مطالعه شبیه‌سازی برای بررسی ویژگی جانبی برآوردگرها و حساسیت مدل پیشنهادی در برابر نقاط پرت انجام شده است. ‎‏همچنین یک مثال واقعی برای بررسی اثربخشی روش پیشنهادی انجام شده است.