范例点的相似度计算：可以采用如下公式：
sim—P(n(i)，b(i))=∑(∥(a(i，1)，6(i，1))×d1) (2)
其中d，为属性l的权重．范例点的相似度实际上是范例属性的相似度的综合．这里采
用改进的模糊加权的方法，避免采用了[5，6]中使用极大极小方法所带来的信息丢失．各个
范例属性的权重，根据范例属性的重要性由专家给出，也可以根据历史数据通过某些优化算
法计算出来，如Jacknknife方法．
时间范例的相似度计算可以采用如下公式：
一-12
sire(n，6)=∑(sire—P(n(t)，b(￡))×，(f)) (3)
其中，口和b是时间范例，sim(a，6)为时间范例n和b的相似度，日(f)、b(f)为时间范倒
d、b在t时刻的范例点，每个范例由连续的12个范例点构成，“￡)是时间遗忘函数．时间遗忘函数的目的是考虑时间的作用，使与当前时刻0最近的本文来自优'文^论.文~网，加7位QQ324,9114找源文
www.youerw.com历史范例点的相似度的贡献要比远一
些时刻的范例点贡献大一些，这比较符合人的思文习惯．时问遗忘函数“￡)定义如下：
f(t)=(1+(号)2)。￡<0 (4)
预测算法的主要目的是从匹配出的女个最相似的时问范例中，导出对后势(￡>0)的预
测．根据￡≤0时间范例相似度的定义检索出与当前时间范例最相似的^个范例，这^个范
例在t>0的实际走势对预测当前时问范例在t>O的走势是有参考价值的．主要思想是：被
预测量在￡(t>0)时刻的值相对于f=0时刻的增长率为^个相似时间范例预测量在t(t>
0)时刻的值相对于t=0时刻的增长率的加权平均．这种算法对被预测值的均值为变化的情
况是有效的．采用如下公式：
上一页 [1] [2] [3]
CBR与模糊结合基于时间范例的预测技术 第3页下载如图片无法显示或论文不完整，请联系qq752018766
