Опция установлена для genfis
команда
создает набор опции по умолчанию для генерации нечеткого использования структуры системы вывода 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.
создает набор опции с опциями, заданными одним или несколькими opt
= genfisOptions(clusteringType
,Name,Value
)Name,Value
парные аргументы.
Создайте набор опции по умолчанию для сетки, делящей метод генерации.
opt = genfisOptions('GridPartition');
Измените опции с помощью записи через точку. Например, задайте 3
функции принадлежности для первого входа и 4
функции принадлежности для второго входа.
opt.NumMembershipFunctions = [3 4];
Можно также задать опции при создании набора опции. Например, создайте набор опции для FCM, кластеризирующего использование 4
кластеры.
opt2 = genfisOptions('FCMClustering','NumClusters',4);
clusteringType
— Кластеризация метода'GridPartition'
| 'SubtractiveClustering'
| 'FCMClustering'
Кластеризация метода для определения функций принадлежности и нечетких правил в виде одного из следующего:
'GridPartition'
— Сгенерируйте входные функции принадлежности путем универсального разделения областей значений входной переменной и создайте Sugeno одно выхода 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 из 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 из кластеров данных, найденных с помощью кластеризации FCM входных и выходных данных. Для получения дополнительной информации о кластеризации FCM смотрите fcm
.
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и 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 принадлежности
(значение по умолчанию) | целое число, больше, чем 1 | вектор из целых чисел, больше, чем 1Количество входных функций принадлежности для каждой входной переменной в виде разделенной запятой пары, состоящей из 'NumMembershipFunctions'
и одно из следующего:
Целое число, больше, чем 1 — Задает то же количество функций принадлежности для всех входных параметров.
Вектор из 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 в виде разделенной запятой пары, состоящей 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 выхода в виде разделенной запятой пары, состоящей из 'OutputMembershipFunctionType'
и одно из следующего:
'linear'
— Выход каждого правила является линейной функцией входных переменных, масштабируемых предшествующим значением результата.
'constant'
— Выход каждого правила является константой, масштабируемой предшествующим значением результата.
'ClusterInfluenceRange'
— Область значений влияния кластерного центра
(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 в виде разделенной запятой пары, состоящей из 'ClusterInfluenceRange'
одно из следующего:
Скалярное значение в области значений [0
1
] — Используют ту же область значений влияния для всех вводов и выводов.
Вектор — Использование различное влияние располагается для каждого ввода и вывода.
Указание меньшего диапазона 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 в виде разделенной запятой пары, состоящей 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
'auto'
, genfis
команда использует фактические минимальные и максимальные значения в данных, которые будут кластеризироваться.
'SquashFactor'
— Фактор сквоша
(значение по умолчанию) | положительная скалярная величинаФактор сквоша для масштабирования области значений влияния кластерных центров в виде разделенной запятой пары, состоящей из 'SquashFactor'
и положительная скалярная величина. Меньший фактор сквоша уменьшает потенциал для отдаленных точек, которые будут рассмотрены как часть кластера, который обычно создает больше и меньшие кластеры данных.
'AcceptRatio'
— Приемное отношение
(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 в виде разделенной запятой пары, состоящей из 'AcceptRatio'
и скалярное значение в области значений [0
, 1]. Приемное отношение должно быть больше отношения отклонения.
'RejectRatio'
— Отношение отклонения
(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 в виде разделенной запятой пары, состоящей из 'RejectRatio'
и скалярное значение в области значений [0
, 1]. Отношение отклонения должно быть меньше приемного отношения.
'Verbose'
— Флаг отображения информацииfalse
(значение по умолчанию) | true
Флаг отображения информации, указывающий, отобразить ли информацию о прогрессе во время кластеризации в виде разделенной запятой пары, состоящей из 'Verbose'
и одно из следующего:
false
— Не отображайте информацию о прогрессе.
true
— Отобразите информацию о прогрессе.
'CustomClusterCenters'
— Пользовательские кластерные центры[]
(значение по умолчанию) | C-by-N массивПользовательские кластерные центры, заданные разделенная запятой пара, состоящая из 'CustomClusterCenters'
и когда C-by-N массив, где C является количеством кластеров и N, является общим количеством вводов и выводов.
'FISType'
— Нечеткий системный тип вывода'sugeno'
(значение по умолчанию) | 'mamdani'
Нечеткая система вывода вводит в виде разделенной запятой пары, состоящей 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 Mamdani и Sugeno Fuzzy Inference Systems.
'NumClusters'
— Количество кластеров'auto'
| целое число, больше, чем 1
Количество кластеров, чтобы создать в виде разделенной запятой пары, состоящей из 'NumClusters'
и 'auto'
или целое число, больше, чем 1
. Когда NumClusters
'auto'
, genfis
команда 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 раздела
(значение по умолчанию) | скаляр, больше, чем 1.0
Экспонента для нечеткой матрицы раздела в виде разделенной запятой пары, состоящей из 'Exponent'
и скаляр, 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 C-средней Кластеризации.
'MaxNumIteration'
— Максимальное количество итераций
(значение по умолчанию) | положительное целое числоМаксимальное количество итераций в виде разделенной запятой пары, состоящей из 'MaxNumIteration'
и положительное целое число.
'MinImprovement'
— Минимальное улучшение целевой функции1e-5
(значение по умолчанию) | положительная скалярная величинаМинимальное улучшение целевой функции между двумя последовательными итерациями в виде разделенной запятой пары, состоящей из 'MinImprovement'
и положительная скалярная величина.
'Verbose'
— Флаг отображения информацииtrue
(значение по умолчанию) | false
Флаг отображения информации, указывающий, отобразить ли значение целевой функции после каждой итерации в виде разделенной запятой пары, состоящей из 'Verbose'
и одно из следующего:
true
— Отобразите целевую функцию.
false
— Не отображайте целевую функцию.
opt
— Опция установлена для genfis
командаgenfisOptions
опция установленаНабор опции для genfis
команда, возвращенная как a genfisOptions
опция установлена. Опции в наборе опции зависят от заданного clusteringType
.
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
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.