几类逼近算法探讨及其在陶瓷艺术品价格的预测研究.pdfVIP

摘 要 最近几年，高涨的陶瓷艺术品价格已经成为我国的陶瓷艺术品市场发展的制约 性因素，而当今社会的学者对影响陶瓷艺术品的价格问题还没有深入地进行定量化 研究。 本文利用了三种不同的逼近算法分别对陶瓷艺术品价格的预测进行了深入的 研究。第一种算法采用基于变换的权重分担值样条插值预测算法对陶瓷艺术品价格 预测进行研究，主要从影响陶瓷艺术品价格的10 个因素进行分析探讨，通过对10 个影响因素所带来的高维数据进行研究，为了克服权重的整体处理算法所带来的不 适应性，提出基于变换的权重分担值样条插值预测算法。此算法能够根据不同的影 响因素与权重之间的相关系数，通过变换，归一化及权重的分担值，再根据样条插 值构造权值函数，从而预测新样本的各维权值。实例表明，本文的算法比其他的算 法所得到的精度更高，并具有较好的稳定性。第二种算法采用T-S 模糊神经网络算 法，该算法是通过对影响各因素陶瓷艺术价格的统计均值法及变换，得到各数据中 每个因素的权值，从而把定性数据用定量进行度量。通过这种变换，用建立的T-S 模糊神经网络对训练数据进行训练得到网络参数，再通过仿真，预测其他检测数据 的价格。实例表明，这种算法具有较好泛化能力，具有较好的预测精度，误差均小 于9% 。第三种算法采用关联变权的小波神经网络算法对陶瓷价格预测进行研究， 该算法是通过对小波函数的紧支撑性及光滑性的分析，结合神经网络算法，提出一 种基于关联变权的小波神经网络算法。这种算法对于权值变小情况下比较适用，预 测的误差几乎处处为0，并且有较好的泛化能力。 这三种算法主要是从影响陶瓷价格因素的定量化对艺术陶瓷价格预测进行了 深入的研究，研究发现这三种算法的实验结果误差都很小，精度都较高。在今后的 研究中可以对这三种算法进行一定的改进，以至于使实验误差达到最小，准确率达 到最高。 关键词：陶瓷价格预测 关联变权 小波神经网络 T-S模糊神经网络 I 目录 摘 要 I Abstract II 1 引 言 1 1.1 研究背景和意义 1 1.1.1 研究背景 1 1.1.2 研究意义 3 1.2 国内外陶瓷艺术品定价研究现状3 1.2.1 国外艺术品定价研究现状3 1.2.2 国内艺术品定价研究现状4 1.3 现行陶瓷艺术品定价方法 6 1.3.1 陶瓷艺术品的一般定价方法 6 1.3.2 艺术家创作的陶瓷艺术品的定价方法7 1.4 论文主要内容及创新点 8 1.4.1 论文主要内容8 1.4.2 论文创新点9 2 几类逼近算法的基础理论 11 2.1 三次样条插值 11 2.1.1 样条函数定义 11 2.1.2 三次样条插值问题 12 2.1.3 三次样条插值的计算步骤12 2.2 T-S 神经网络模型 13 2.2.1 前件网络 13 2.2.2 后件网络 14 2.2.3 T-S 模糊神经网络的学习算法15 2.3 小波神经网络模型 15 2.3.1 小波神经网络预测模型的选择 15 2.3.2 小波神经网络结构图 16 2.3.3 小波神经网络的优势 17 2.3.4 小波神经网络的学习过程17 3 基于变换的权重分担值样条插值预测算法及其在陶瓷艺术品收益中的应用 18 3.1 高维数据概念 18 3.2 高维