[发明专利]一种基于T-S模糊宽度学习的废旧手机智能定价方法

权利要求书

1.一种基于T-S模糊宽度学习的废旧手机定价方法，其特征在于，包括以下步骤：

(1)运行数据采集：以废旧手机定价模型为研究对象，采用真实的废旧手机交易数据，包括：品牌、机型、存储容量、购买渠道、版本/型号、颜色、边框背板、屏幕状态、照相功能、无线网络、蓝牙、开机功能、通话功能、屏幕性能、使用时间、密码锁是否注销、拆修情况、以及国内保修情况共18个变量；

(2)运行数据预处理：以采集的数据为研究对象，首先，剔除其中缺失、无效数据；其次对定性数据进行定量化处理；最后，选取与废旧手机定价相关的变量作为定价模型的输入，包括：品牌、机型、存储容量、购买渠道、版本/型号、颜色、边框背板、屏幕状态、照相功能、无线网络、蓝牙、开机功能、通话功能、屏幕性能、使用时间、密码锁是否注销、拆修情况、以及国内保修情况18个特征变量，并将获取的输入变量归一化至[0,1]；将废旧手机交易价格作为定价模型的输出变量；将所有样本数据分为两组，一组包含S个训练样本，另一组包含M个测试样本，要求SM；

(3)基于T-S模糊宽度学习的废旧手机智能定价模型设计

利用T-S模糊宽度学习网络建立废旧手机定价模型，T-S模糊宽度学习网络包括：输入层、T-S模糊子系统层、增强层以及输出层四个部分，其结构为18-n-m-1的连接方式；定价模型输入层神经元个数为18；T-S模糊子系统层中子系统个数为n，n取[1,10]之间的任意正整数；增强层神经元个数为m，m取[10,20]之间的任意正整数；输出层神经元个数为1；使用S个样本训练T-S模糊宽度学习网络，x_s(t)＝[x_s1(t),x_s2(t),x_s3(t),…,x_s18(t)]为归一化后第t次迭代时第s个样本,s＝1,2,3,…,S；x_s1(t)为第t次迭代时第s个样本的品牌、x_s2(t)为第t次迭代时第s个样本的机型、x_s3(t)为第t次迭代时第s个样本的存储容量、x_s4(t)为第t次迭代时第s个样本的购买渠道、x_s5(t)为第t次迭代时第s个样本的版本/型号、x_s6(t)为第t次迭代时第s个样本的颜色、x_s7(t)为第t次迭代时第s个样本的边框背板、x_s8(t)为第t次迭代时第s个样本的屏幕状态、x_s9(t)为第t次迭代时第s个样本的照相功能、x_s10(t)为第t次迭代时第s个样本的无线网络、x_s11(t)为第t次迭代时第s个样本的蓝牙、x_s12(t)为第t次迭代时第s个样本的开机功能、x_s13(t)为第t次迭代时第s个样本的通话功能、x_s14(t)为第t次迭代时第s个样本的屏幕性能、x_s15(t)为第t次迭代时第s个样本的使用时间、x_s16(t)为第t次迭代时第s个样本的密码锁是否注销、x_s17(t)为第t次迭代时第s个样本的拆修情况、x_s18(t)为第t次迭代时第s个样本的国内保修情况；

1)T-S模糊宽度学习网络输入层：该层由18个神经元组成，每个神经元的输出如下所示：

u_d(t)＝x_d(t) (1)

其中，u_d(t)为第t次迭代时输入层第d个神经元的输出值，d＝1,2,...,18；

2)T-S模糊宽度学习网络T-S模糊子系统层：该层由n个T-S模糊子系统组成，每个T-S模糊子系统的网络结构共有5层，包括输入层、隶属度函数层、模糊规则层、后件层、输出层，其结构为18-Q-K_i-K_i-1的连接方式；每个T-S模糊子系统的输入层神经元个数为18；隶属度函数层神经元个数为Q，Q＝18K_i，模糊规则层神经元个数为K_i，后件层神经元个数为K_i，输出层神经元个数为1，K_i为利用K-means算法对输入数据进行聚类得到的第i个T-S模糊子系统的聚类中心数，K_i为[1,20]之间的任意正整数，i＝1,2,…,n；T-S模糊子系统的各层表示如下：

①T-S模糊子系统输入层：该层由18个神经元组成，该层输出表示为：

r_d(t)＝u_d(t) (2)

其中，r_d(t)为第t次迭代时输入层第d个神经元的输出值；

②T-S模糊子系统隶属度函数层：该层由Q个神经元组成，该层的输出表示为：

其中，μ_kd(t)为第t次迭代时第k个聚类中心关于第d个输入变量的隶属度函数,k＝1,2,…,K_i；c_kd(t)为第t次迭代时隶属度函数μ_kd(t)的中心，c_kd(t)取值为第k个聚类中心的第d个变量；σ_kd(t)为第t次迭代时隶属度函数μ_kd(t)的宽度，在区间(0,1]之间随机取值；

③T-S模糊子系统模糊规则层：该层由K_i个神经元组成，该层神经元的输出表示为：

其中，v_k(t)为T-S模糊子系统模糊规则层第t次迭代时第k个神经元的输出值；

④T-S模糊子系统后件层：该层由K_i个神经元组成，该层的输出表示为：

Z_k(t)＝v_k(t)z_k(t) (5)

其中，Z_k(t)为第t次迭代时后件层第k个神经元的输出值，z_k(t)＝18∑d＝1α_kd(t)r_d(t)，α_kd(t)为初始化参数，在区间(0,1]之间随机取值；

⑤T-S模糊子系统输出层：该层由1个神经元组成，对后件层输出进行去模糊化处理，表示为：

其中，向量δ(t)＝[δ_i(t),δ₂(t),...,δ_Ki(t)]^T为第t次迭代时输出层的权值向量，δ_k(t)在区间(0,1]之间随机取值；

3)T-S模糊宽度学习网络增强层：该层由m个增强节点组成，该层输出表示为：

H^m(t)＝[H₁(t),H₂(t),...,H_m(t)] (7)

其中，H^m(t)为T-S模糊宽度学习网络第t次迭代时增强层的输出值，H_j(t)为第t次迭代时第j个增强节点的输出，j＝1,2,…,m；ξ_j()为第j个增强节点的非线性变换双曲正弦函数；Zⁿ(t)＝[Z₁(t),Z₂(t),…,Z_n(t)]为T-S模糊子系统第t次迭代时后件层的输出值，Z_i(t)＝[Z₁(t),Z₂(t),…,Z_Ki(t)]为T-S模糊子系统层第t次迭代时第i个子系统后件层的输出值,W_h^j(t)＝[w^j_h1(t),w^j_h2(t),...,w^j_hL(t)]^T为连接T-S模糊子系统层第t次迭代时输出Zⁿ(t)与第j个增强节点的的权值向量，w^j_hl(t)为第t次迭代时W_h^j(t)的第l个权值变量，l＝1,2,...,L，其中L＝n∑i＝1(K_i)，w^j_hl(t)在[0,1]范围内随机取值；β^j_h(t)为连接T-S模糊子系统层第t次迭代时输出Zⁿ(t)与第j个增强节点的偏置项；

4)T-S模糊宽度学习网络输出层

n个T-S模糊子系统的去模糊化输出为Fⁿ(t)，计算公式如下所示：

将T-S模糊子系统层第t次迭代时的去模糊化输出Fⁿ(t)与增强层输出H^m(t)一起送入定价模型输出层，定价模型输出的计算公式如下：

y(t)＝Fⁿ(t)W_z(t)+H^m(t)W_e(t) (10)

其中，y(t)为网络训练出的废旧手机价值；W_z(t)为第t次迭代时连接n个T-S模糊子系统去模糊化输出Fⁿ(t)与输出层的连接权值；W_e(t)＝[W_e1(t),W_e2(t),...,W_em(t)]^T为第t次迭代时连接增强层与输出层的连接权值；

(2)基于T-S模糊宽度学习的废旧手机智能定价模型参数调整

设计定价模型参数调整的目标函数为：

其中，y′(t)为废旧手机交易价格；定价模型参数W_z(t)与W_ej(t)的更新规则如下：

其中,η为学习率，该定价模型中η取值为0.01：

(4)基于T-S模糊宽度学习的废旧手机智能定价

利用S个训练样本对基于T-S模糊宽度学习的废旧手机智能定价模型进行训练，并更新权值参数W_ej(t)和W_z(t)；利用训练好的T-S模糊宽度学习废旧手机定价模型，将M个测试样本的品牌、机型、存储容量、购买渠道、版本/型号、颜色、边框背板、屏幕状态、照相功能、无线网络、蓝牙、开机功能、通话功能、屏幕性能、使用时间、密码锁是否注销、拆修情况、以及国内保修情况18个特征变量作为输入得到废旧手机定价，获得废旧手机价值的评估结果。