主要内容

genfisOptions

选项设置genfis函数

所有的页面崩溃

语法

选择= genfisOptions (clusteringType)
选择= genfisOptions (clusteringType、名称、值)

描述

例子

选择= genfisOptions (clusteringType)创建一个缺省选项对象生成一个模糊推理系统使用genfis。选择对象,选择,包含不同的选项,取决于指定的聚类算法,clusteringType。使用点符号来修改这个选项设置为您的特定应用程序。选项,您不要修改保留默认值。

例子

选择= genfisOptions (clusteringType,名称,值)创建一个选项设置和选项指定一个或多个名称,值对参数。

例子

全部折叠

打开生活的脚本

创建一个默认的选项设置分区网格生成方法。

选择= genfisOptions (“GridPartition”);

修改选项使用点符号。例如,指定3第一输入和隶属度函数4第二个输入隶属度函数。

opt.NumMembershipFunctions = [3 - 4];

您还可以指定选项创建的选项设置。例如,创建一个选项设置FCM聚类使用4集群。

opt2 = genfisOptions (“FCMClustering”,“NumClusters”4);

输入参数

全部折叠

聚类方法定义隶属度函数和模糊规则,指定为以下之一:

  • “GridPartition”均匀划分,生成输入隶属函数的输入变量范围,并创建一个对于Sugeno模糊系统。模糊规则库包含一个规则为每个输入隶属函数的组合。

  • “SubtractiveClustering”——生成Sugeno模糊系统使用成员函数和规则来源于数据集群发现使用减法聚类的输入和输出数据。减法聚类的更多信息,请参阅subclust。

  • “FCMClustering”,使用隶属函数生成一个模糊系统和规则来源于数据集群发现使用FCM聚类的输入和输出数据。FCM聚类的更多信息,请参阅fcm。

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:选择= genfis (“GridPartition NumMembershipFunctions = 3)

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:选择= genfis (“GridPartition”、“NumMembershipFunctions”, 3)

网格分区选项

全部折叠

输入的数量为每个输入变量隶属度函数,指定为以下值之一。

  • 比1大的整数——指定所有输入的相同数量的隶属度函数。

  • 比1大的整数向量的长度等于输入的数量——指定一个不同的隶属度函数为每个输入。

输入隶属函数类型,指定为以下值之一。

  • 特征向量或字符串,指定下列所有输入隶属函数类型之一。

    隶属函数类型 描述 的更多信息
    “gbellmf” 广义钟型隶属函数 gbellmf
    “gaussmf” 高斯隶属函数 gaussmf
    “gauss2mf” 结合高斯隶属函数 gauss2mf
    “trimf” 三角形隶属函数 trimf
    “trapmf” 梯形隶属函数 trapmf
    “dsigmf” 两个反曲的隶属函数之间的区别 dsigmf
    “psigmf” 两个反曲的隶属函数的乘积 psigmf
    “pimf” Pi-shaped隶属函数 pimf

  • 字符数组或字符串数组,指定一个不同的为每个输入隶属函数类型。例如,指定不同的隶属度函数的三个输入系统。

    [" gbellmf”、“gaussmf”、“trimf”)

对于输出隶属函数类型的变量Sugeno系统,指定为以下值之一。

  • “线性”每个规则的输出是一个线性函数的输入变量,通过前期的结果值。

  • “不变”——每个规则的输出是一个常数,通过前期的结果值。

减法聚类选择

全部折叠

一系列影响集群的每个输入和输出假设数据中心hyperbox落在一个单位,指定为以下值之一。

  • 标量值的范围(01)——使用相同的影响范围为所有输入和输出。

  • 向量,使用不同的影响范围为每个输入和输出。

指定一个较小范围的影响通常创造了更多和更小的数据集群,生产更多的模糊规则。

数据规模因素正常化hyperbox输入和输出数据到一个单位,指定为2×-N数组,N是总数量的输入和输出。每一列的DataScale第一行指定最小值和最大值在第二行相应的输入或输出数据集。

当DataScale是“汽车”,genfis命令使用实际的最小值和最大值的集群数据。

南瓜因素扩展集群中心的影响的范围,指定为一个积极的标量。一个小南瓜因素减少潜在的偏远点被认为是集群的一部分,通常创建更小的数据集群。

接受率,定义为第一个集群中心的潜力的一小部分,上面另一个数据点被接受为一个集群中心指定为一个标量值的范围(0,1]。接受率必须大于废品率。

衰减率,定义为第一个集群中心的潜力的一小部分,低于另一个数据点被拒绝作为集群中心指定为一个标量值的范围(0,1]。衰减率必须小于接受率。

信息显示在集群标志指示是否显示进度信息,指定为以下值之一。

  • 假- - - - - -不显示进度信息。

  • 真正的——显示进度信息。

自定义集群中心,作为一个指定C——- - - - - -N数组,C集群的数量和吗N是总数量的输入和输出。

FCM聚类选择

全部折叠

模糊推理系统类型,指定为以下值之一。

  • “sugeno”——Sugeno-type模糊系统

  • “mamdani”——Mamdani-type模糊系统

更多信息类型的模糊推理系统,明白了Mamdani和Sugeno模糊推理系统。

数字集群创建指定为“汽车”或一个整数比1。当NumClusters是“汽车”,genfis命令估计集群使用减法聚类与集群范围的影响0.5。

NumClusters确定的规则和隶属度函数生成的金融中间人。

模糊划分矩阵指数,指定为一个标量大于1.0。这个选项控制模糊重叠集群的数量,更大值表明更大程度的重叠。

如果您的数据集是广泛和重要的潜在的重叠集群,然后计算集群中心可以非常接近对方。在这种情况下,每个数据点都有大约相同的隶属程度在所有集群。改善你的聚类结果,降低这个值,这限制了大量的模糊重叠在集群中。

调整模糊重叠的一个例子,看到调整模糊重叠在模糊c均值聚类。

最大迭代次数,指定为一个正整数。

最低改善连续两次迭代之间的目标函数,指定为一个积极的标量。

信息显示标志指示是否显示每次迭代后的目标函数值,指定为以下值之一。

  • 真正的——显示目标函数。

  • 假-不显示目标函数。

方法计算数据点和聚类中心之间的距离,指定为以下值之一。

  • “欧几里得”-使用欧氏距离度量计算距离,这对应于经典的FCM算法。

  • “mahalanobis”计算距离使用Mahalanobis距离度量,对应于Gustafson-Kessel FCM算法。

输出参数

全部折叠

选项genfis函数,返回以下对象之一。

  • GridPartitionOptions——当clusteringType是“GridPartition”

  • SubtractiveClusteringOptions——当clusteringType是“SubtractiveClustering”

  • FCMClusteringOptions——当clusteringType是“FCMClustering”

版本历史

介绍了R2017a

另请参阅

||

Baidu
map