敏感性分析综述课件.pdfVIP

( ) 2008 02 北京师范大学学报 自然科学版 　 　 ( ) ( ) 　　　　9 44 1 　 J ournal of Beij ing Normal U niver sit y Nat ural Science 敏感性分析综述 1) 1) 2) 蔡 　毅 　邢 　岩 　胡 　丹 ( ) ) ) 1 北京师范大学数学科学学院; 2 北京师范大学信息科学与技术学院: 100875 ,北京 摘要 　介绍了敏感性分析的定义 ,列出了许多基于数理统计 、神经网络和粗糙集知识的敏感性分析方法 ,并且尝试 着对一些常用方法的优缺点进行分析. 结合敏感性分析的研究现状 ,对今后的研究工作提出了一些展望. 关键词 　敏感性分析 ; 统计分析 ; 神经网络 性, 现在大量实际应用中都是采用这种方法. 0 　引言 由于敏感性分析方法是在模型的基础上进行操作 随着数字网络的兴起与广泛应用 ,数据的来源越 的, 我们也可以根据建模方法的不同将其分为有模型 来越丰富 ,人们获得数据的代价越来越小. 在众多领 的和无模型的2 类. 对于待解决的数据分析问题, 若 域都产生了海量数据 ,但 由于缺乏可用的数据分析工 我们十分清楚它的内部机理, 能够准确得到模型表示 具 ,人们很难理解这些数据 , 出现了所谓的数据过剩. y = f ( x) , 那我们就可以在此基础上直接进行敏感性 为了能实现从大量的数据中获取信息 ,把信息转化为 分析; 但是在实际问题中, 这种情况十分少. 在大部分 知识 ,使知识付诸于应用这个想法 ,这就刺激了对强有 情况下, 面对庞大的数据, 人们无法清楚的了解其内部 力的数据分析工具的需求 ,数据分析方法逐渐增多. 规律, 无法进行机理建模. 于是在早期的研究中, 人们 而敏感性分析法就是现在常用的一种数据分析方法. 借助统计知识来建立模型, 最常见的模型就是多元线 ( ) ( 敏感性分析 Sen sitivit y A naly si s 也有人翻译为 性回归模型. 在此基础上, 学者提出了很多方法 : 由 ) ( [ 1 ] 灵敏度分析 ,就是假设模型表示为 y = f x 1 , x2 , …, Conover 1975 年提出 , 并 由 Mc Kay 等 1979 年正式 ) ( ) x n x i 为模型的第 i 个属性值 , 令每个属性在可能的 发表的基于拉丁几何取样的多元回归方法 ;20 世纪 70