Опция установлена для команды genfis
opt = genfisOptions(clusteringType)opt = genfisOptions(clusteringType,Name,Value)opt = genfisOptions(clusteringType)genfis. Набор опции, opt, содержит различные варианты, которые зависят от заданного алгоритма кластеризации, clusteringType. Используйте запись через точку, чтобы изменить этот набор опции для вашего определенного приложения. Опции, которые вы не изменяете, сохраняют свои значения по умолчанию.
opt = genfisOptions(clusteringType,Name,Value)Name,Value.
Создайте набор опции по умолчанию для сетки, делящей метод генерации.
opt = genfisOptions('GridPartition');Измените опции с помощью записи через точку. Например, задайте функции принадлежности 3 для первого входа и функции принадлежности 4 для второго входа.
opt.NumMembershipFunctions = [3 4];
Можно также задать опции при создании набора опции. Например, создайте набор опции для FCM, кластеризирующего использование кластеров 4.
opt2 = genfisOptions('FCMClustering','NumClusters',4);
clusteringType — Кластеризация метода'GridPartition' | 'SubtractiveClustering' | 'FCMClustering'Кластеризация метода для определения функций принадлежности и нечетких правил, заданных как одно из следующего:
Функции принадлежности входа 'GridPartition' — Generate путем универсального разделения областей значений входной переменной, и создают Sugeno одно вывода нечеткая система. Нечеткая основа правила содержит одно правило для каждой входной комбинации функции принадлежности.
'SubtractiveClustering' — Сгенерируйте Sugeno нечеткая система с помощью функций принадлежности и правил, выведенных от кластеров данных, найденных с помощью отнимающей кластеризации входных и выходных данных. Для получения дополнительной информации об отнимающей кластеризации смотрите subclust.
'FCMClustering' — Сгенерируйте нечеткую систему с помощью функции принадлежности и правил, выведенных от кластеров данных, найденных с помощью кластеризации FCM входных и выходных данных. Для получения дополнительной информации о кластеризации FCM смотрите fcm.
Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
'InputMembershipFunctionType','trimf' устанавливает треугольные входные функции принадлежности для алгоритма разделения сетки.'NumMembershipFunctions' — Количество входных функций принадлежности2 (значение по умолчанию) | целое число, больше, чем 1 | вектор целых чисел, больше, чем 1Количество входных функций принадлежности для каждой входной переменной, заданной как пара, разделенная запятой, состоящая из 'NumMembershipFunctions' и одно из следующего:
Целое число, больше, чем 1 — Задает то же количество функций принадлежности для всех входных параметров.
Вектор целого числа, больше, чем 1 с длиной, равной количеству входных параметров — Задает различное количество функций принадлежности для каждого входа.
'InputMembershipFunctionType' — Введите тип функции принадлежности'gbellmf' (значение по умолчанию) | 'gaussmf' | 'trimf' | 'trapmf' | вектор символов | массив строк |...Введите тип функции принадлежности, заданный как пара, разделенная запятой, состоящая из 'InputMembershipFunctionType' и одно из следующего:
Вектор символов или строка — Задают один из следующих типов функции принадлежности для всех входных параметров.
| Тип функции принадлежности | Описание | Для получения дополнительной информации |
|---|---|---|
'gbellmf' | Обобщенная колоколообразная функция принадлежности | gbellmf |
'gaussmf' | Гауссова функция принадлежности | gaussmf |
'gauss2mf' | Гауссова функция принадлежности комбинации | gauss2mf |
'trimf' | Треугольная функция принадлежности | trimf |
'trapmf' | Трапециевидная функция принадлежности | trapmf |
'sigmf' | Сигмовидная функция принадлежности | sigmf |
'dsigmf' | Различие между двумя сигмовидными функциями принадлежности | dsigmf |
'psigmf' | Продукт двух сигмовидных функций принадлежности | psigmf |
'zmf' | Z-образная функция принадлежности | zmf |
'pimf' | Функция принадлежности, имеющая форму пи | pimf |
'smf' | S-образная функция принадлежности | smf |
| Вектор символов или строка | Имя пользовательской функции принадлежности в текущей рабочей папке или на пути MATLAB® | Создайте нечеткие системы Используя пользовательские функции |
Символьный массив или массив строк — Задают различный тип функции принадлежности для каждого входа. Например, задайте различные функции принадлежности для системы с тремя входами:
["gbellmf","gaussmf","trimf"]
'OutputMembershipFunctionType' — Выведите тип функции принадлежности'linear' (значение по умолчанию) | 'constant'Выведите тип функции принадлежности для системы Sugeno одно вывода, заданной как пара, разделенная запятой, состоящая из 'OutputMembershipFunctionType' и одно из следующего:
'linear' — Вывод каждого правила является линейной функцией входных переменных, масштабируемых предшествующим значением результата.
'constant' — Вывод каждого правила является константой, масштабируемой предшествующим значением результата.
'ClusterInfluenceRange' — Область значений влияния кластерного центра0.5 (значение по умолчанию) | скалярное значение в области значений [0, 1] | векторОбласть значений влияния кластерного центра каждого ввода и вывода, принимающего данные, находится в пределах модульного гиперполя, заданного как пара, разделенная запятой, состоящая из 'ClusterInfluenceRange' одно из следующего:
Скалярное значение в области значений [0
1] — Использование та же область значений влияния для всех вводов и выводов.
Вектор — Использование различное влияние располагается для каждого ввода и вывода.
Определение меньшей области значений влияния обычно создает больше и меньшие кластеры данных, производя более нечеткие правила.
'DataScale' Масштабные коэффициенты данных'auto' (значение по умолчанию) | 2 N массивомМасштабные коэффициенты данных для нормализации входных и выходных данных в модульное гиперполе, заданное как пара, разделенная запятой, состоящая из 'DataScale' и 2 N массивом, где N является общим количеством вводов и выводов. Каждый столбец DataScale задает минимальное значение в первой строке и максимальное значение во второй строке для соответствующего набора данных ввода или вывода.
Когда DataScale является 'auto', команда genfis использует фактические минимальные и максимальные значения в данных, которые будут кластеризироваться.
'SquashFactor' — Фактор сквоша1.25 (значение по умолчанию) | положительная скалярная величинаФактор сквоша для масштабирования области значений влияния кластерных центров, заданных как пара, разделенная запятой, состоящая из 'SquashFactor' и положительной скалярной величины. Меньший фактор сквоша уменьшает потенциал для отдаленных точек, которые будут рассмотрены как часть кластера, который обычно создает больше и меньшие кластеры данных.
'AcceptRatio' — Приемное отношение0.5 (значение по умолчанию) | скалярное значение в области значений [0, 1]Приемное отношение, заданное как часть потенциала первого кластерного центра, выше которого другая точка данных принята как кластерный центр, задало как пара, разделенная запятой, состоящая из 'AcceptRatio' и скалярного значения в области значений [0, 1]. Приемное отношение должно быть больше, чем отношение отклонения.
'RejectRatio' — Отношение отклонения0.15 (значение по умолчанию) | скалярное значение в области значений [0, 1]Отношение отклонения, заданное как часть потенциала первого кластерного центра, ниже которого другая точка данных отклоняется как кластерный центр, задало как пара, разделенная запятой, состоящая из 'RejectRatio' и скалярного значения в области значений [0, 1]. Отношение отклонения должно быть меньше, чем приемное отношение.
'Verbose' — Флаг отображения информацииfalse (значение по умолчанию) | trueФлаг отображения информации, указывающий, отобразить ли информацию о прогрессе во время кластеризации, заданной как пара, разделенная запятой, состоящая из 'Verbose' и одно из следующего:
ложь Не отображайте информацию о прогрессе.
tRUE Отобразите информацию о прогрессе.
'CustomClusterCenters' — Пользовательские кластерные центры[] (значение по умолчанию) | C-by-N массивПользовательские кластерные центры, заданные пара, разделенная запятой, состоящая из 'CustomClusterCenters' и как C-by-N массив, где C является количеством кластеров и N, являются общим количеством вводов и выводов.
'FISType' — Нечеткий системный тип вывода'sugeno' (значение по умолчанию) | 'mamdani'Нечеткий системный тип вывода, заданный как пара, разделенная запятой, состоящая из 'FISType' и одно из следующего:
'sugeno' — Sugeno-введите нечеткую систему
'mamdani' — Mamdani-введите нечеткую систему
Для получения дополнительной информации о типах нечетких систем вывода смотрите Типы Нечетких Систем Вывода.
'NumClusters' — Количество кластеров'auto' | целое число, больше, чем 1Количество кластеров, чтобы создать, заданный как пара, разделенная запятой, состоящая из 'NumClusters' и 'auto' или целого числа, больше, чем 1. Когда NumClusters является 'auto', команда genfis оценивает количество кластеров с помощью отнимающей кластеризации с кластерной областью значений влияния 0.5.
NumClusters определяет количество правил и функций принадлежности в сгенерированном FIS.
'Exponent' — Экспонента для нечеткой матрицы раздела2.0 (значение по умолчанию) | скаляр, больше, чем 1.0Экспонента для нечеткой матрицы раздела, заданной как пара, разделенная запятой, состоящая из 'Exponent' и скаляра, больше, чем 1.0. Эта опция управляет суммой нечеткого перекрытия между кластерами с большими значениями, указывающими на большую степень перекрытия.
Если ваш набор данных широк со значительным перекрытием между потенциальными кластерами, то расчетные кластерные центры могут быть очень друг близко к другу. В этом случае каждая точка данных имеет приблизительно ту же степень членства во всех кластерах. Чтобы улучшить ваши результаты кластеризации, уменьшите это значение, которое ограничивает сумму нечеткого перекрытия во время кластеризации.
Для примера нечеткой корректировки перекрытия смотрите, Настраивают Нечеткое Перекрытие в Нечеткой Кластеризации C-средств.
'MaxNumIteration' — Максимальное количество итераций100 (значение по умолчанию) | положительное целое числоМаксимальное количество итераций, заданных как пара, разделенная запятой, состоящая из 'MaxNumIteration' и положительного целого числа.
'MinImprovement' — Минимальное улучшение целевой функции1e-5 (значение по умолчанию) | положительная скалярная величинаМинимальное улучшение целевой функции между двумя последовательными итерациями, заданными как пара, разделенная запятой, состоящая из 'MinImprovement' и положительной скалярной величины.
'Verbose' — Флаг отображения информацииtrue (значение по умолчанию) | falseФлаг отображения информации, указывающий, отобразить ли значение целевой функции после каждой итерации, заданной как пара, разделенная запятой, состоящая из 'Verbose' и одно из следующего:
tRUE Отобразите целевую функцию.
ложь Не отображайте целевую функцию.
opt — Опция установлена для команды genfisgenfisOptions установленаНабор опции для команды genfis, возвращенной как опция genfisOptions, установлен. Опции в наборе опции зависят от заданного clusteringType.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.