网站运营条件,网络营销的主要推广方式,新浪博客怎么给自己网站做链接吗,制作网页网站用的是什么参考资料#xff1a;https: // blog.csdn.net / shelgi / article / details / 126908418
————通过下面这个例子#xff0c;终于能理解一点模糊理论的应用了#xff0c;感谢原作。
熟悉简单的skfuzzy构建接近生活事件的模糊控制器
假设下面这样的场景, 我们希望构建一套…参考资料https: // blog.csdn.net / shelgi / article / details / 126908418
————通过下面这个例子终于能理解一点模糊理论的应用了感谢原作。
熟悉简单的skfuzzy构建接近生活事件的模糊控制器
假设下面这样的场景, 我们希望构建一套模糊控制系统, 通过室外温度和风的大小来判断穿几件衣服
室外温度的范围设置为0 - 40度, 虽然今年夏天超过40度在我们这边很平常, 但是我们这里还是以40度为最高界限
风的大小范围0 - 10, 这里不是风的级数, 而是我自己构建的大小.模糊理论奥妙就在于不需要精确的逻辑值,
可以模糊描述.比如小风我设置为1 - 3, 然后有点大的风等等, 都是比较抽象的描述, 但是经过隶属函数可以看出, 往往某个值是在多个状态叠加.
衣服的件数我设置为1 - 6(不能一件衣服不穿), 如果按照本人自己的爱好, 我最多也只穿三件.不过考虑到实际还是设一个大点的范围常见模糊隶属度函数 import matplotlib.pyplot as plt
import numpy as np
import skfuzzy as fuzz
from skfuzzy import control as ctrl
import matplotlib.pyplot as pltscikit-fuzzy模块它可以实现模糊控制系统1.选择输入输出模糊集2.定义输入输出隶属度函数不同的隶属度函数会导致不同的控制特性3.建立模糊控制表4.建立模糊控制规则5.模糊推理6.反模糊化7.输出结果绘制结果3D图方式一 调用库函数
if 0:temp ctrl.Antecedent(np.arange(0, 41, 1), temp)wind ctrl.Antecedent(np.arange(0, 11, 1), wind)clothes ctrl.Consequent(np.arange(1, 7, 1), clothes)# 自动找成员函数,分为三类temp.automf(3)wind.automf(3)# 设置目标的模糊规则clothes[low] fuzz.trimf(clothes.universe, [1, 1, 3])clothes[medium] fuzz.trimf(clothes.universe, [1, 3, 6])clothes[high] fuzz.trimf(clothes.universe, [3, 6, 6])rule1 ctrl.Rule(temp[good] | wind[poor], clothes[low])rule2 ctrl.Rule(temp[average], clothes[medium])rule3 ctrl.Rule(temp[poor] | wind[good], clothes[high])rule1.view()rule2.view()rule3.view()# 创建控制系统,应用编写好的规则cloth_ctrl ctrl.ControlSystem([rule1, rule2, rule3])# 创建控制仿真器cloth_num ctrl.ControlSystemSimulation(cloth_ctrl)# 输入测试数据cloth_num.input[temp] 20cloth_num.input[wind] 2# 设置去模糊方法clothes.defuzzify_method mom# 计算结果cloth_num.compute()cloth_num_res cloth_num.output[clothes]print(fThe result of clothes: {cloth_num_res})# 可视化clothes.view(simcloth_num)plt.show()else: 方式二 手动实现模糊规则 plt.rcParams[font.family] simheix_temp np.arange(0, 41, 1)x_wind np.arange(0, 11, 1)x_clothes np.arange(1, 7, 1)# 将三角隶属度函数对各个量进行隶属度映射temp_cold fuzz.trimf(x_temp, [0, 0, 15])temp_warm fuzz.trimf(x_temp, [5, 25, 35])temp_hot fuzz.trimf(x_temp, [25, 40, 40])plt.figure()plt.title(Temperature)plt.plot(x_temp, temp_cold, b, labelcold)plt.plot(x_temp, temp_warm, y, labelwarm)plt.plot(x_temp, temp_hot, r, labelhot)plt.legend()# plt.show()wind_low fuzz.trimf(x_wind, [0, 0, 5])wind_medium fuzz.trimf(x_wind, [0, 5, 10])wind_high fuzz.trimf(x_wind, [5, 10, 10])plt.figure()plt.title(Wind)plt.plot(x_wind, wind_low, b, labellow)plt.plot(x_wind, wind_medium, y, labelmedium)plt.plot(x_wind, wind_high, r, labelhigh)plt.legend()# plt.show()cloth_low fuzz.trimf(x_clothes, [1, 1, 3])cloth_medium fuzz.trimf(x_clothes, [1, 3, 6])cloth_high fuzz.trimf(x_clothes, [3, 6, 6])plt.figure()plt.title(clothes)plt.plot(x_clothes, cloth_low, b, labellow)plt.plot(x_clothes, cloth_medium, y, labelmedium)plt.plot(x_clothes, cloth_high, r, labelhigh)plt.legend()# plt.show()temp_test 30wind_test 5temp_level_cold fuzz.interp_membership(x_temp, temp_cold, temp_test)temp_level_warm fuzz.interp_membership(x_temp, temp_warm, temp_test)temp_level_hot fuzz.interp_membership(x_temp, temp_hot, temp_test)wind_level_low fuzz.interp_membership(x_wind, wind_low, wind_test)wind_level_medium fuzz.interp_membership(x_wind, wind_medium, wind_test)wind_level_high fuzz.interp_membership(x_wind, wind_high, wind_test)# 模糊规则# 当风小或者温度高的时候我们穿很少的衣服# 当温度中等, 比较温暖的时候我们穿得稍微多点# 当温度很低或者风很大的时候, 那我们就需要穿很多衣服了rule1 np.fmax(temp_level_hot, wind_level_low)cloth_res_low np.fmin(rule1, cloth_low)cloth_res_medium np.fmin(temp_level_warm, cloth_medium)rule2 np.fmax(temp_level_cold, wind_level_high)cloth_res_high np.fmin(rule2, cloth_high)clothes np.zeros_like(x_clothes)# visplt.figure(figsize(8, 3))plt.title(结果)plt.plot(x_clothes, cloth_low, b)plt.fill_between(x_clothes, 0, cloth_res_low)plt.plot(x_clothes, cloth_medium, g)plt.fill_between(x_clothes, 0, cloth_res_medium)plt.plot(x_clothes, cloth_high, r)plt.fill_between(x_clothes, 0, cloth_res_high)# plt.show()# 去模糊aggregated np.fmax(cloth_res_low, np.fmax(cloth_res_medium, cloth_res_high))# 去模糊方法:# 反模糊化方法有很多# centroid面积重心法# bisector面积等分法# mom最大隶属度平均法# som最大隶属度取最小法# lom最大隶属度取最大法cloth fuzz.defuzz(x_clothes, aggregated, mom)cloth_res fuzz.interp_membership(x_clothes, aggregated, cloth)plt.figure(figsize(8, 3))plt.title(f去模糊化结果cloth:{cloth})plt.plot(x_clothes, cloth_low, b)plt.plot(x_clothes, cloth_medium, g)plt.plot(x_clothes, cloth_high, r)plt.fill_between(x_clothes, 0, aggregated, facecolororange)plt.plot([cloth, cloth], [0, cloth_res], k)plt.show() 测试温度temp_test 30测试风速wind_test 5 测试温度temp_test 10测试风速wind_test 8 测试温度temp_test 40测试风速wind_test 2
