4.2. Fuzzy Logic based modelA Sugen

4.2. Fuzzy Logic based model
A Sugeno-type fuzzy logic model was proposed to develop using the Fuzzy Logic Toolbox of MATLAB®. For
extracting the fuzzy classification rules from the data itself clustering techniques was used. A popular
unsupervised clustering technique is the subtractive clustering technique. For this, genfis2 function in MATLAB,
which uses subtractive clustering algorithm for identifying cluster centers and radii, was chosen to build the fuzzy
inference system. According to Bataineh (2011) subtractive clustering technique outperforms other clustering
techniques like fuzzy c-means clustering as latter requires training algorithm and produces inconsistent results for
different runs. It was observed by Chopra et. al. (2004) that use of subtractive clustering reduces number of rules
than that framed in fuzzy logic system without clustering. Thus a series of experimental runs were performed to
ascertain the optimum radius of clusters and consequently the cluster radius was kept as 0.7.
Data were divided into two sets - training and testing datasets in a ratio of 85:15. Input variables used in this
model remained the same as used for the MNL model. Binary valued choice was considered as the output
variable where 0 signifies that a particular mode had not been chosen and 1 otherwise. About 95 rules were
obtained using the genfis2 function in MATLAB as shown below:

ผลลัพธ์ (ไทย) 1:

4.2. ตรรกศาสตร์ตามรุ่นแบบตรรกศาสตร์ Sugeno ชนิดการนำเสนอในการพัฒนาโดยใช้เครื่องมือของเอิบตรรกะ MATLAB ® สำหรับคลัสเตอร์เทคนิคที่ใช้แยกกฎประเภทชัดเจนจากตัวข้อมูลเอง ความนิยมเทคนิคระบบคลัสเตอร์ subtractive เทคนิค unsupervised ระบบคลัสเตอร์ได้ สำหรับฟังก์ชัน genfis2 นี้ ใน MATLABซึ่งใช้อัลกอริทึมของระบบคลัสเตอร์ subtractive ระบุศูนย์คลัสเตอร์และรัศมี ได้รับเลือกให้สร้างที่ชัดเจนระบบข้อ ตาม Bataineh (2011) subtractive ระบบคลัสเตอร์เทคนิค outperforms คลัสเตอร์อื่น ๆเทคนิคเช่นปุย c-หมายถึงคลัสเตอร์เป็นหลังต้องใช้ขั้นตอนวิธีการฝึก และให้ผลลัพธ์ที่ไม่สอดคล้องกันสำหรับทำงานแตกต่างกัน จะถูกตรวจสอบ โดยโชปราร้อยเอ็ด al. (2004) ที่ใช้คลัสเตอร์ subtractive ลดจำนวนกฎกว่าที่กรอบในระบบตรรกศาสตร์ โดยคลัสเตอร์ จึง ดำเนินชุดทดลองรันไปตรวจรัศมีสูงสุดของคลัสเตอร์ และคลัสเตอร์รัศมีจึง ถูกเก็บเป็น 0.7ข้อมูลถูกแบ่งออกเป็นสองชุด - ฝึกอบรม และทดสอบ datasets อัตราส่วนของ 85:15 ป้อนข้อมูลตัวแปรที่ใช้ในรูปแบบยังคงเหมือนกับที่ใช้สำหรับจำลอง MNL ทางบริษัทไบนารีถูกถือว่าเป็นผลผลิตตัวแปรที่ 0 หมายถึงว่า วิธีใดไม่ได้เลือกและอื่น ๆ 1 กฎเกี่ยวกับ 95 ได้ได้โดยใช้ฟังก์ชัน genfis2 ใน MATLAB ดังต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

4.2 ฟัซซี่ลอจิกตามรูปแบบ
Sugeno ชนิดรูปแบบตรรกศาสตร์ถูกนำเสนอในการพัฒนาโดยใช้ฟัซซี่ลอจิกกล่องเครื่องมือของMATLAB® สำหรับ
การสกัดกฎการจัดหมวดหมู่เลือนจากเทคนิคการจัดกลุ่มข้อมูลที่ตัวเองถูกนำมาใช้ ที่นิยม
ใช้เทคนิคการจัดกลุ่มใกล้ชิดเป็นเทคนิคการจัดกลุ่ม subtractive สำหรับเรื่องนี้ฟังก์ชั่น genfis2 ใน MATLAB,
ซึ่งใช้ขั้นตอนวิธีการจัดกลุ่ม subtractive สำหรับการระบุศูนย์คลัสเตอร์และรัศมีได้รับเลือกในการสร้างเลือน
ระบบอนุมาน ตาม Bataineh (2011) เทคนิคการจัดกลุ่ม subtractive มีประสิทธิภาพดีกว่าการจัดกลุ่มอื่น ๆ
เทคนิคเช่นการจัดกลุ่ม C-หมายความเลือนเป็นหลังต้องใช้ขั้นตอนวิธีการฝึกอบรมและผลิตผลลัพธ์ที่สอดคล้องกันสำหรับ
การทำงานที่แตกต่างกัน มันได้รับการตรวจสอบโดย Chopra และ อัล (2004) การใช้การจัดกลุ่ม subtractive ที่ช่วยลดจำนวนของกฎ
กว่ากรอบในระบบตรรกศาสตร์โดยไม่มีการจัดกลุ่ม ดังนั้นชุดของวิ่งทดลองได้ดำเนินการเพื่อ
ตรวจสอบให้แน่ใจรัศมีที่เหมาะสมของกลุ่มและทำให้รัศมีของคลัสเตอร์ที่ถูกเก็บไว้เป็น 0.7.
ข้อมูลถูกแบ่งออกเป็นสองชุด - ชุดข้อมูลการฝึกอบรมและการทดสอบในอัตราส่วน 85:15 ตัวแปรที่ใช้ในการนี้
รูปแบบยังคงเหมือนเดิมที่ใช้สำหรับรูปแบบ MNL Binary ตัวเลือกที่ได้รับการพิจารณามูลค่าการส่งออกเป็น
ตัวแปรที่ 0 หมายถึงว่าโหมดโดยเฉพาะอย่างยิ่งไม่ได้รับการคัดเลือกและ 1 เป็นอย่างอื่น เกี่ยวกับ 95 กฎถูก
ได้ใช้ฟังก์ชั่น genfis2 ใน MATLAB ที่แสดงด้านล่าง:

ผลลัพธ์ (ไทย) 3:

4.2 . ตรรกศาสตร์คลุมเครือตามรูปแบบ : sugeno ชนิดฟัซซี่แบบเสนอที่จะพัฒนาโดยใช้ตรรกศาสตร์คลุมเครือกล่องเครื่องมือของโปรแกรม MATLAB ® . สำหรับ
แยกกฎการจำแนกเลือนจากข้อมูลตัวเองเป็นเทคนิคที่ใช้ ที่เป็นที่นิยม
unsupervised การจัดกลุ่มเทคนิคเป็นลบข้อมูลเทคนิค สำหรับเรื่องนี้ genfis2 ฟังก์ชันใน Matlab
ซึ่งใช้สำหรับระบุกลุ่มการจัดกลุ่มขั้นตอนวิธีลบศูนย์และรัศมี ก็เลือกที่จะสร้างระบบอนุมานฟัซซี

ตาม bataineh ( 2011 ) ลบข้อมูลอื่น ๆเช่นเทคนิคโปรย
เทคนิคการจัดกลุ่มการจัดกลุ่มขั้นตอนวิธีฟัซซีซีมีนต้องเป็นหลังการฝึกอบรมและก่อให้เกิดผลลัพธ์ที่สอดคล้องกันสำหรับ
ทํางานที่แตกต่างกัน มันถูกพบโดย โชปรา et al .( 2004 ) ที่ใช้ลบข้อมูลลดจำนวนกฎ
กว่ากรอบในระบบตรรกศาสตร์คลุมเครือโดยการจัดกลุ่ม . ดังนั้นชุดวิ่งทดลองการวินิจฉัยที่เหมาะสม

รัศมีของกลุ่ม และจากนั้นกลุ่มรัศมีที่ถูกเก็บไว้เป็น 0.7
ข้อมูลถูกแบ่งออกเป็นสองกลุ่ม -- การฝึกอบรมและทดสอบข้อมูลในอัตราส่วน 85:15 . ตัวแปรที่ใช้ในการป้อนข้อมูลนี้
แบบเดิมที่ใช้สำหรับ mnl นางแบบ ไบนารีตัวเลือกมูลค่าเป็นผลผลิต
ตัวแปรที่ 0 หมายความว่าโหมดเฉพาะไม่ได้รับเลือก 1 อย่าง ประมาณ 95 กฏ
ได้โดยใช้ฟังก์ชั่น genfis2 ในโปรแกรมดังที่แสดงด้านล่าง :