1) Fuzzy normal distribution
模糊正态分布
2) fuzzy two-humped Normal distribution
模糊双峰正态分布
3) fuzzy Sinusoidal distribution
模糊正弦分布
4) normal school model
正态分布模型
5) Fuzzy distribution
模糊分布
1.
Relying on the maximum degree of membership,the weighted-average and the fuzzy distribution,the comprehensive conclusion of appraisal is put forward.
结果根据建筑节能技术风险层次关系,形成风险体系集合;在评价前提下,构建了节能技术一级风险因素评价模型和风险体系综合评价模型;从最大隶属度、加权平均和模糊分布的角度,综合得出评价结果。
6) normal fuzzy number
正态模糊数
1.
In order to soften partition boundary of the domain, the relational fuzzy c means algorithm is adopted to determine two parameters of normal fuzzy numbers, then the normal fuzzy number model is adopted to partition the domain of the quantitative attributes and a series of linguistic value association rules are generated.
为了软化论域的划分边界 ,应用相关的模糊 c-方法 (rela-tional fuzzy c- means,简称 RFCM)算法确定正态模糊数的两个参数 ,并借助正态模糊数模型来划分数量属性的论域 ,由此生成一系列的语言值关联规则 。
2.
A new pricing approach to real option is thus proposed to transform the forecast intervals evaluated by experts into some normal fuzzy numbers with the lattice closenes.
提出了将预期现金流收益现值的专家评估区间转化成正态模糊数并利用格贴近度构造权向量的一种新的实物期权定价方法,验证了利用正态模糊数估计现金流收益现值的合理性。
3.
The linguistic variable of the evaluation value and weight vectors is modeled by the normal fuzzy number,and the decision making framework based on the linguistic operator is established by the weighted mean method.
采用正态模糊数描述指标级别和权重的语言值,并通过加权平均方法构建了基于语言算子的决策框架。
补充资料：正态分布
| 正态分布 normal distribution 一种概率分布。正态分布是具有两个参数μ和σ2的连续 型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。 遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。 正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。 生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中心极限定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条