变量选择

变量选择是指拟合多元回归方程(包括线性和非线性)的自变量选择、拟合判别函数的判别指标(变量)选择等。现以拟合多元线性回归方程来说明。是要从m个自变量中选择m′(m′≤m)个自变量，拟合最优或较理想的多元线性回归方程。一般来说，m越大，m′会越小于m。拟合多元线性回归方程的用途是由自变量解释和预报应变量，筛选自变量的目的是使上述两大用途的实际效果更好：1.选择对应变量作最好的一组自变量。其着眼点是拟合回归方程的一组自变量整体，用该组自变量应使回归方程拟合得最好。2.选择对应变量作最好解释的主要自变量。其着眼点是引入回归方程的一组自变量的每个自变量，引入回归方程的各自变量对应变量的作用应有显著性(回归方程外的各自变量对应变量的作用无显著性)。

在回归分析的实际应用中，改进预报效果和改进解释效果，研究者有时希望达到这两个目的，有时只关心或偏重这两个目的中的一个。变量选择的方法分成两大类：最优子集回归法着眼于选择一组使回归方程拟合得最好的自变量；逐步回归法着眼于选择对应变量作用有显著性的主要自变量。2100433B

选择的控制变量要具有系统特性。控制变量选择是否正确，对系统的性能将有很大的影响。例如做位置控制时，系统输出与设定值的误差量就可以当做模糊控制器的输入变量。一般而言，可选用系统输出、输出变化量、输出误差、输出误差变化量及输出误差量总和等，作为模糊控制器的语言变量，具体如何选择还有赖于工程师对于系统的了解及其专业知识。因此，经验和工程知识在选择控制变量时扮演着相当重要的角色。

模糊半主动控制变量选择

选择的控制变量要具有系统特性。控制变量选择是否正确，对系统的性能将有很大的影响。例如做位置控制时，系统输出与设定值的误差量就可以当做模糊控制器的输入变量。一般而言，可选用系统输出、输出变化量、输出误差、输出误差变化量及输出误差量总和等，作为模糊控制器的语言变量，具体如何选择还有赖于工程师对于系统的了解及其专业知识。因此，经验和工程知识在选择控制变量时扮演着相当重要的角色。

模糊半主动控制论域分割

控制变量确定之后，接下来就是根据经验写出控制规则。在做成模糊控制规则之前，首先必需对模糊控制器的输入和输出变量空间做模糊分割。例如输入空间只有单一变量时，可以用三个或五个模糊集合对空间做模糊分割，划分成三个或五个区域。输入空间为二元变量时，采用四条模糊控制规则，可以将空间分成四个区域。模糊分割即将部分空间表示为模糊状态，斜线部分即为对明确的领域。

模糊分割时各领域间的重叠的程度影响控制的性能；一般而言，模集合重叠的程度并没有明确的决定方法，大都依靠模拟和实验的调整决定分割方式，不过有些报告提出大约1/3~1/2最为理想。重叠部份的大小意味着模糊控制规则间模糊的程度，因此模糊分割是模糊控制的重要特征。

定义：在实验中实验者所操纵的、对被试的反应产生影响的变量。（由主试选择、控制的变量，它决定着心理或行为的变化。

例如，光的明度，声音的响度、房间的温度、动物的饮食量， 　比如研究反应时，想了解声音的强弱对反应时间的影响。则声音的强弱就成了自变量 　种类：作业自变量：环境自变量，被试自变量，相关变量，自变量