MATLAB.Exponenta
MATLAB и Simulink на русском
Технологии разработки и отладки
		сложных технических систем

Проектирование систем управления\Fuzzy Logic Toolbox

Демонстрационные примеры

  В оглавление \ К следующему разделу \ К предыдущему разделу

FCMDEMO

Иллюстрация применения нечеткого c-means алгоритма для задач кластеризации

Описание:

В этом разделе описывается демонстрационная программа fcmdemo, иллюстрирующая применение нечеткого c-means алгоритма для задач кластеризации.

Программа fcmdemo выводит на экран интерактивное графическое окно, позволяющее пользователю выбирать набор данных для кластеризации. устанавливать параметры нечеткого c-means алгоритма, просматривать результаты кластеризации, в том числе и графики функций принадлежности центров кластеров. Во время кластерного анализа в рабочую область MatLab выводятся значения целевой функции на каждой итерации нечеткого c-means алгоритма. Графическое окно fcmdemo с указанием функционального назначения основных полей приведено на рис. 1.

Рисунок 1. – Окно демонстрационной программы fcmdemo

Графическое окно fcmdemo содержит 7 верхних типовых меню (File, Edit, View, Insert, Tools, Windows и Help), область визуализации, меню выбора данных, меню установки параметров алгоритма кластеризации, кнопку запуска кластерного анализа (Start), а также кнопки Info и Close, которые позволяют вызвать окно справки и закрыть модуль, соответственно.

Меню выбора данных

Меню выбора данных расположено в правом верхнем углу графического окна. Пользователь имеет возможность выбрать один из пяти демо-наборов данных Data Set 1 - Data Set 5, а также загрузить собственные данные. Демо-наборы не являются постоянными; они генерируются программой fcmdemo при каждой загрузке данных. Для загрузки собственных данных необходимо выбрать опцию Custom… и затем в типовом окне открытия файла указать соответствующий файл данных. Данные должны быть записаны в файле построчно, т. е. каждый объект необходимо описать одной строкой, содержащей значения двух признаков.

Область визуализации

В этой области, которая расположена в середине графического окна, в двумерном пространстве выводятся объекты (образы) и найденные центры кластеров. Маркеры в виде окружности соответствуют объектам, а маркеры в виде диска - центрам кластеров. Центры кластеров выделяются различными цветами. Такими же цветами выделяются и объекты, принадлежащие соответствующим кластерам. В процессе кластерного анализа центры кластеров пошагово перемещаются из середины области визуализации к “своим” местам. Траектории перемещения центров кластеров изображаются сплошными линиями. В процессе кластерного анализа изменяются цвета объектов согласно их принадлежностью кластерам на каждой итерации алгоритма.

Для управления визуализацией используются следующие кнопки:

  • Label Data – разрешение / подавление выделения цветом принадлежности объектов кластерам;
  • Clear Traj – удаление траектории перемещения центров кластеров;
  • MF Plot  вывод функции принадлежности центра кластера. Для получения графического изображения функции принадлежности необходимо с помощью мыши выбрать центр кластера и нажать кнопку MF Plot. Пример функции принадлежности центра кластера показан на рис. 2.

Рисунок 2. – Функция принадлежности центра кластера

Установка параметров алгоритма кластеризации

Пользователь может с помощью меню выбрать количество кластеров (от 2 до 9), а также установить значения следующих параметров нечеткого c-means алгоритма:

  • в поле Expo - значение экспоненциального веса;
  • в поле Iterat - максимальное количество итераций алгоритма;
  • в поле Improv - минимально допустимое значение улучшения целевой функции за одну итерацию алгоритма.

  В оглавление \ К следующему разделу \ К предыдущему разделу


Поиск по сайту:

Система Orphus

Яндекс.Метрика