去模糊化方法
这个例子描述了内置方法defuzzifying 1型Mamdani输出模糊集的模糊推理系统。
考虑下面的输出模糊集,这是一个聚合的三个梯形隶属度函数。
x = 0:0.1:20;mf1 = trapmf (x, [0 2 8 12]);mf2 = trapmf (x) [5 7 12 14]);mf3 = trapmf (x) [12 13 18 19]);mf = max (0.5 * mf2,马克斯(0.9 * mf1, 0.1 * mf3));图(“标签”,“defuzz”)情节(x, mf,“线宽”甘氨胆酸,3)h_gca =;h_gca。YTick = [0 5 1];ylim ([1])
模糊逻辑工具箱™软件支持五个内置的方法计算一个脆输出值模糊集万博1manbetx。
重心
平分线
中最大的
最小的最大
最大的最大限度
您还可以定义自己的自定义去模糊化方法。有关更多信息,请参见建立模糊系统使用自定义函数。
重心
重心去模糊化回报模糊集的重心沿轴。如果你认为该地区是一个板厚度和密度均匀,重心是沿着x轴的模糊集的平衡。重心是使用以下公式计算, 的成员值点吗 在论域。
计算模糊集的质心。
xCentroid = defuzz (x, mf,“重心”);
表明原始情节上的重心去模糊化的结果。
hCentroid =线([xCentroid xCentroid], [-0.2 - 1.2],“颜色”,“k”);tCentroid =文本(xCentroid, -0.2,“重心”,“FontWeight”,“大胆”);
平分线
平分线方法发现垂直线,将模糊集划分为两个分区的面积相等。有时候,但不是总是,与质心重合线。
xBisector = defuzz (x, mf,“平分线”);
表明平分线的结果在最初的情节,和灰色的质心的结果。
hBisector =线([xBisector xBisector], [-0.4 - 1.2],“颜色”,“k”);tBisector =文本(xBisector, -0.4,“平分线”,“FontWeight”,“大胆”);灰色= 0.7 * (1 1 1);hCentroid。颜色=gray; tCentroid.Color = gray;
中间,最小和最大的最大值
妈妈,SOM, LOM站中间,最小和最大的最大分别。在这个例子中,因为总模糊集有高原最大值,妈妈,SOM, LOM去模糊化结果不同值。如果总模糊集有一个独特的最大值,然后妈妈,SOM, LOM都产生相同的值。
xMOM = defuzz (x, mf,“妈妈”);xSOM = defuzz (x, mf,“索玛”);xLOM = defuzz (x, mf,“lom”);
表明了妈妈,SOM, LOM结果最初的情节,和灰色的平分线的结果。
hMOM =线([xMOM xMOM], [-0.7 - 1.2],“颜色”,“k”);tMOM =文本(xMOM, -0.7,“妈妈”,“FontWeight”,“大胆”);hSOM =线([xSOM xSOM], [-0.7 - 1.2],“颜色”,“k”);tSOM =文本(xSOM, -0.7,“索玛”,“FontWeight”,“大胆”);hLOM =线([xLOM xLOM], [-0.7 - 1.2],“颜色”,“k”);tLOM =文本(xLOM, -0.7,“LOM”,“FontWeight”,“大胆”);hBisector。颜色=gray; tBisector.Color = gray;
选择去模糊化方法
一般来说,使用默认的重心法对于大多数应用程序来说是足够的。一旦您已经创建了你最初的模糊推理系统,你可以尝试其他的去模糊化方法来查看是否有改善你的推理结果。
突出重心的结果,和灰色的妈妈,SOM, LOM的结果。
hCentroid。颜色=“红色”;tCentroid。颜色=“红色”;hMOM。颜色=灰色;tMOM。颜色=灰色;hSOM。颜色=灰色;tSOM。颜色=灰色;hLOM。Color = gray; tLOM.Color = gray;
