一种小子样条件下基于模糊理论的参数不确定性建模方法
公开
摘要
本发明提供一种小子样条件下基于模糊理论的参数不确定性建模方法，步骤如下：1、对样本数据进行分组，求得每个区间的隶属度；2、对样本数据进行三角概率分布、正态概率分布的拟合，然后用熵等价转换法求解相应类型隶属度函数的特征值，并基于得到的特征值为模型参数建立相应的隶属度函数；3、求得步骤1所得隶属度在各类型隶属度函数中的残差和，选用最小残差和对应的隶属度函数类型；4、对隶属度函数基于接受拒绝采样法开展随机采样，获取取样数据。本发明基于模糊理论，通过选择参数的隶属度类型，确定隶属度函数的特征参数，为小样本参数的随机采样提供了有效的解决方案。
基本信息
专利标题 ：
一种小子样条件下基于模糊理论的参数不确定性建模方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114611310A
申请号 ：
CN202210269345.1
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-18
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
钱诚李宇航李文娟姜雨彤顾昊鑫任羿王自力
申请人 ：
北京航空航天大学
申请人地址 ：
北京市海淀区学院路37号
代理机构 ：
代理人 ：
优先权 ：
CN202210269345.1
主分类号 ：
G06F30/20
IPC分类号 ：
G06F30/20 G06F17/18 G06F119/02
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/20
设计优化、验证或模拟
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
