Demo Traducido de Anfis

8/2/2019 Demo Traducido de Anfis

1/8

Los patrones de modelado de trfico utilizando la agrupacin sustractiva

Esta demo muestra el uso de la agrupacin de sustraccin para modelar los patrones de

trfico en un rea sobre la base de datos demogrficos de la zona.

Contenido

* El problema: entender los patrones de trfico

* Los datos

* Por qu la agrupacin y la Lgica Difusa?

* El agrupamiento de los datos

* Generacin del Sistema de Inferencia Difuso (FIS)

* Comprender la relacin Clusters de la FIS

* El uso de la FIS para la exploracin de datos

* Conclusin

* Glosario

El problema: entender los patrones de trfico

En esta demo podemos tratar de entender la relacin entre el nmero de viajes en

automvil generados a partir de un rea y la demografa de la zona. Los datos

demogrficos y el viaje se obtuvieron de las zonas de anlisis de trfico en el Condado de

New Castle, Delaware. Cinco factores demogrficos se consideran: poblacin, nmero de

unidades de vivienda, la propiedad del vehculo, ingreso medio por hogar y el empleo

total.

En adelante, los factores demogrficos se abordar en las entradas y los viajes

generados sern tratados como salida. Por lo tanto nuestro problema tiene cinco variablesde entrada (cinco factores demogrficos) y una variable de salida (nmero de

desplazamientos generados).

Los datos

Ahora vamos a cargar variables de entrada y salida utilizados en la demostracin en el

rea de trabajo.

tripdata

Dos variables se cargan en el workspace, y Datin datout. Datin tiene 5 columnas que

representan las 5 variables de entrada y datout tiene una columna que representa la

variable de una salida.

subplot (2,1,1)

parcela (datin)

la leyenda ('poblacin', 'num. de unidades de vivienda "," la propiedad del vehculo, ...

'Ingreso medio por hogar "," empleo total ");


2/8

ttulo ('Variables de entrada')

subplot (2,1,2)

parcela (datout)

la leyenda ("nmero de viajes ');

title ('La variable de salida ")

Figura 1: variables de entrada y de salida

El nmero de filas en datin y datout, de 75 aos, representan el nmero de observaciones

o muestras o puntos de datos disponibles. Una fila de Datin, por ejemplo la fila 11,

constituye un conjunto de valores observados de las 5 variables de entrada (poblacin,

nmero de unidades de vivienda, la propiedad del vehculo, ingreso medio por hogar y el

empleo total) y la fila correspondiente, fila 11, representa en la datout valor observado

para el nmero de desplazamientos generados dadas las observaciones realizadas por

las variables de entrada.

Vamos a modelar la relacin entre las variables de entrada (datos demogrficos) y la

variable de salida (ADPIC) de la agrupacin en primer lugar los datos. Los centros de los

conglomerados se utilizar entonces como una base para definir un sistema de inferencia

borrosa (FIS) que entonces se puede utilizar para explorar y comprender los patrones de

trfico.

Por qu la agrupacin y la Lgica Difusa?

Agrupacin puede ser una tcnica muy eficaz para identificar agrupaciones naturales en

los datos de un gran conjunto de datos, permitiendo as que la representacin concisa de

relaciones incorporados en los datos. En este ejemplo, la agrupacin nos permite a lospatrones de trfico del grupo en categoras amplias por lo tanto, permitiendo ms fcil

comprensin.

La lgica difusa es un paradigma eficaz para manejar la imprecisin. Puede ser utilizado

para hacer observaciones difusos o imprecisos de los insumos y, sin embargo llegar a los

valores ntidos y precisos para las salidas. Adems, el Sistema de Inferencia Difuso (FIS)

es una forma sencilla y de sentido comn para construir sistemas complejos sin

necesidad de utilizar las ecuaciones analticas.

En nuestro ejemplo, la lgica difusa se emplea para capturar las grandes categoras

identificadas en las agrupaciones en un Sistema de Inferencia Difusa (FIS). El FIS

entonces actuar como un modelo que refleje la relacin entre la demografa y los viajes

de automviles.

La agrupacin y la lgica difusa en conjunto proporcionan un medio simple pero potente

para modelar la relacin entre el trfico que queremos estudiar.

El agrupamiento de los datos


3/8

subclust es la funcin que implementa una tcnica de agrupacin llamada agrupacin

sustractivo. Agrupacin sustractiva, [Chi94], es una forma rpida, una pasada algoritmo

para la estimacin del nmero de grupos y los centros de racimo en un conjunto de datos.

En esta seccin, veremos cmo la agrupacin de sustraccin se realiza en un conjunto dedatos y en la siguiente seccin vamos a explorar de manera independiente la forma de

agrupamiento se utiliza para construir un Sistema de Inferencia Difusa (FIS).

[C, S] = subclust ([datin datout], 0,5);

El primer argumento de la funcin subclust son los datos que se agrupan. El segundo

argumento de la funcin es la radio que marca radio de un grupo de influencia en el

espacio de entrada.

La variable C ahora tiene todos los centros de los grupos que han sido identificados por

subclust. Cada fila de C contiene la posicin de un grupo.

C

C =

1,8770 0,7630 0,9170 18,7500 1,5650 2,1830

0,3980 0,1510 0,1320 8,1590 0,6250 0,6480

3,1160 1,1930 1,4870 19,7330 0,6030 2,3850

En este caso, C tiene 3 filas que representan 3 grupos de 6 columnas que representan las

posiciones de los grupos en cada dimensin.

por lo tanto, subclust ha identificado 3 agrupaciones naturales en el conjunto de datos

demogrficos y vuelta que se trate. La figura siguiente muestra cmo los grupos han sido

identificados en el "empleo total" y las dimensiones de los viajes 'del espacio de entrada.

CLF;

parcela (datin (:, 5), datout (:, 1), C ('.':, 5), C (:, 6), 'r *')

leyenda (de los puntos de datos "," centros de racimo ',' Localizacin ',' Sudeste ')

xlabel ('empleo total')

ylabel ('nmero de viajes ")

ttulo ('Datos y Clusters en una seleccin de dos dimensiones del espacio de entrada')

Figura 2: centros de racimo en el "empleo total" y las dimensiones de los viajes 'del

espacio de entrada


4/8

La variable S contiene los valores de sigma que se especifica el rango de influencia de un

centro de cluster en cada una de las dimensiones de los datos.Todos los centros de los

conglomerados comparten el mismo conjunto de valores de sigma.

S

S =

1,1621 0,4117 0,6555 7,6139 2,8931 1,4395

S en este caso tiene 6 columnas que representan la influencia de los centros de los

conglomerados en cada una de las 6 dimensiones.

Generacin del Sistema de Inferencia Difuso (FIS)

genfis2 es la funcin que crea un FIS mediante la agrupacin de sustraccin.genfis2

emplea subclust detrs de las escenas para agrupar los datos y utiliza los centros de los

conglomerados y su gama de influencias para construir un FIS que luego se utilizarn

para analizar y comprender los patrones de trfico.

myfis = genfis2 (Datin, datout, 0,5);

El primer argumento es la matriz de variables de entrada Datin, el segundo argumento es

el datout las variables de salida de la matriz y el tercer argumento es el radio que se debe

utilizar durante el uso de subclust.

genfis2 asigna nombres predeterminados para entradas, salidas y funciones depertenencia. Para nuestro entendimiento es beneficioso para cambiar el nombre de las

entradas y salidas significativa.

% Asignar nombres a las entradas y salidas

myfis = setfis (myfis, 'entrada', 1, 'nombre', 'poblacin');

myfis = setfis (myfis, 'entrada', 2, 'nombre', 'viviendas');

myfis = setfis (myfis, 'entrada', 3, 'nombre', 'nmero de vehculos');

myfis = setfis (myfis, 'entrada', 4, 'nombre', 'ingreso');

myfis = setfis (myfis, 'entrada', 5, 'nombre', 'trabajo');

myfis = setfis (myfis, 'salida', 1, 'nombre', 'nmero de viajes');

Comprender la relacin Clusters de la FIS

Un FIS se compone de entradas, salidas y las normas. Cada entrada y salida pueden

tener cualquier nmero de funciones de pertenencia. Las normas que dictan el

comportamiento del sistema difuso basado en entradas, salidas y funciones de

pertenencia. genfis2 construye el FIS en un intento de capturar la posicin y la influencia


5/8

de cada grupo en el espacio de entrada.

myfis es el FIS que genfis2 ha generado. Dado que el conjunto de datos cuenta con 5

variables de entrada y una variable de salida, genfis2 construye un FIS con 5 entradas y 1

salida. Cada entrada y salida tiene como funciones de pertenencia muchos como el

nmero de grupos que subclust ha identificado.Como se vio anteriormente, para elconjunto de datos actual subclust identificado 3 grupos. Por lo tanto cada entrada y salida

se caracteriza por 3 las funciones de pertenencia. Adems, el nmero de reglas es igual

al nmero de racimos y por lo tanto 3 reglas son creadas.

Ahora podemos probar el FIS para entender cmo los grupos se convertan internamente

en funciones de pertenencia y las reglas.

difusa (myfis)

Figura 3: El editor grfico para la construccin de sistemas de inferencia difuso (FIS)

difusa es la funcin que lanza el editor grfico para la construccin de sistemas

difusos. difusa (myfis) inicia el editor encargado de editar myfis, el FIS que acaba de

generar. Como puede verse, el FIS tiene 5 entradas y 1 salida con las entradas asignadas

a las salidas a travs de una base de reglas (cuadro blanco en la figura).

Ahora vamos a tratar de analizar cmo los centros de los conglomerados y las funciones

de pertenencia estn relacionados.

mfedit (myfis)

Figura 4: El editor grfico de funcin de pertenencia

mfedit (myfis) inicia el editor grfico de funcin de pertenencia. Tambin se puede iniciar

haciendo clic en las entradas o salidas en el editor de la puesta en marcha por la FIS

difusa.

Tenga en cuenta que todas las entradas y salidas tienen exactamente tres funciones de

pertenencia. Las 3 funciones de pertenencia representan los 3 grupos que fueron

identificados por subclust.

Cada entrada en el FIS representa una variable de entrada en el conjunto de datos datin

de entrada y cada salida en el FIS representa una variable de salida en el datout dataset

de salida.

De forma predeterminada, la funcin de pertenencia en primer lugar, in1cluster1, de la

poblacin de la primera entrada ser seleccionado en el editor de la funcin de

pertenencia. Observe que el tipo de funcin de pertenencia es "gaussmf" (tipo gaussiano


6/8

funcin de pertenencia) y los parmetros de la funcin de pertenencia son [1,162 1,877],

donde 1,162 representa el coeficiente de difusin de la curva gaussiana y 1,877

representa el centro de la curva gaussiana. in1cluster1 captura la posicin y la influencia

del primer grupo para la poblacin variable de entrada. (C (1,1) = 1,877, S (1) = 1,1621)

Del mismo modo, la posicin y la influencia de los otros 2 grupos de la poblacin variablede entrada son capturados por las funciones de pertenencia y de otros dos in1cluster2

in1cluster3.

El resto de las 4 entradas de seguir la misma pauta imitando la posicin e influencia de los

3 grupos a lo largo de sus respectivas dimensiones del conjunto de datos.

Ahora, vamos a explorar cmo las reglas borrosas se construyen.

ruleedit (myfis)

Figura 5: El editor de reglas grfica

ruleedit es el editor grfico de reglas difusas. Como puede notar, hay exactamente tres

reglas. Cada regla intenta asignar un clster en el espacio de entrada a un clster en el

espacio de salida.

La primera regla puede ser explicado simplemente como sigue. Si las entradas para el

FIS, la poblacin, viviendas, vehculos num, el ingreso y el empleo, la fuerza pertenecen a

sus respectivas funciones cluster1 miembros, la salida, nmero de viajes, con fuerza

deben pertenecer a la funcin de pertenencia cluster1. El (1) al final de la regla es para

indicar que la regla tiene un peso o un importancia de "1". Los pesos pueden tomarcualquier valor entre 0 y 1. Las reglas con pesos menores se cuentan menos en el

resultado final.

La importancia de la regla es que sucintamente asigna el grupo 1 en el espacio de

entrada para el grupo 1 en el espacio de salida. De manera similar a los otros dos reglas

racimo mapa 2 y el grupo 3 en el espacio de entrada al grupo 2 y grupo 3 en el espacio de

salida.

Si ms de cerca con el grupo primero punto de datos, o en otras palabras, que tienen gran

nmero de miembros del primer grupo, se alimenta como entrada a myfis Rule1

continuacin se disparar con ms fuerza de disparo que los otros dos reglas. Del mismo

modo, una entrada con gran nmero de miembros que el segundo grupo se disparar la

segunda regla con la fuerza de coccin ms que las otras dos reglas, y as

sucesivamente.

La salida de las reglas (disparando fuertes) se utilizan para generar la salida de la FIS a

travs de las funciones de salida de adhesin.


7/8

La salida de uno de los FIS, nmero de viajes, dispone de 3 funciones de pertenencia

lineales que representan los 3 grupos identificados por subclust. Los coeficientes de las

funciones de pertenencia lineales, aunque no se toman directamente de los centros de los

conglomerados. En su lugar, se estiman a partir del conjunto de datos utilizando la tcnica

de estimacin por lo menos plazas.

Todas las 3 funciones de pertenencia en este caso ser de la forma a la poblacin * + b *

unidades de vivienda + C * num vehculos + d + e ingreso * empleo * + f, donde a, b, c, d,

eyf representan el coeficientes de la funcin de pertenencia lineal. Haga clic en cualquiera

de los nmero de las funciones de los viajes de miembros en el editor de funciones de

pertenencia para observar los parmetros de estas funciones de pertenencia lineales.

Uso de la FIS para la exploracin de datos

Ahora puede utilizar el FIS que se ha construido para entender las dinmicas subyacentes

de la relacin que se est modelando.

SURFVIEW (myfis)

Figura 6: Input-Output de superficie visor

SURFVIEW es el visor de la superficie que ayuda a ver la superficie de entrada-salida del

sistema difuso. En otras palabras, esta herramienta simula la respuesta del sistema difuso

para toda la gama de entradas que el sistema est configurado para

trabajar. Posteriormente, la salida o la respuesta del FIS a las entradas se representan

grficamente frente las entradas como una superficie.Esta visualizacin es muy til para

entender cmo el sistema se va a comportar para toda la gama de valores en el espaciode entrada.

En el grfico de arriba muestra el visor de la superficie de la superficie de salida para dos

entradas de la poblacin y el nmero de unidades de vivienda. Como se puede ver el

nmero de viajes en automvil aumenta con el aumento de unidades de poblacin y

vivienda, lo cual suena muy racional. Puede cambiar las entradas en los X e Y cuadros

desplegables para observar la superficie de salida con respecto a las entradas que usted

elija.

ruleview (myfis)

Figura 7: Regla visor que simula todo el proceso de inferencia difuso

ruleview es el simulador grfico para la simulacin de la respuesta de la FIS para valores

especficos de las variables de entrada. Ahora, despus de haber construido el sistema

difuso, si queremos entender cuntos viajes se producir para una configuracin

demogrfica particular, por ejemplo una zona con una poblacin en particular, un cierto


8/8

nmero de unidades de vivienda y as sucesivamente, esta herramienta le ayudar a

simular el FIS respuesta para la entrada de su eleccin.

Otra caracterstica de esta herramienta de interfaz grfica de usuario es, le da una

instantnea del proceso de inferencia todo, desde cmo las funciones de pertenencia

estn siendo satisfechos en toda regla a la forma en que el resultado final se genera atravs de defuzzificacin.

Conclusin

En este ejemplo se ha intentado transmitir cmo la agrupacin y la lgica difusa se

pueden emplear como tcnicas eficaces para el modelado de datos y anlisis.

La lgica difusa tambin ha encontrado diversas aplicaciones en otras reas de la

tecnologa como control no lineal, control automtico, procesamiento de seales, sistema

de identificacin, reconocimiento de patrones, prediccin de series temporales, minera de

datos, aplicaciones financieras, etc,

Explora otros demos y la documentacin de ms penetracin en la lgica difusa y sus

aplicaciones.

Glosario

espacio de entrada - es un trmino utilizado para definir el rango de todos los valores

posibles en el conjunto de datos. Cuando se utiliza subclust el espacio de entrada se

refiere a toda la gama de valores entre el mximo y el mnimo en cada dimensin

(columna) de la base de datos.

defuzzificacin - el proceso de transformacin de una salida borrosa de un sistema deinferencia difusa en una salida ntida.

la fuerza de disparo - El grado en que se cumple la parte antecedente de una regla

difusa. Tambin se conoce como grado de cumplimiento.

sistema de inferencia difuso (FIS) - El nombre general para un sistema que utiliza

razonamiento difuso para asignar un espacio de entrada a un espacio de salida

Referencia:

[Chi94] - S. Chiu, "la identificacin del modelo difuso basado en la estimacin de racimo",

J. de la inteligente y Sistemas Difusos, vol. 2, No. 3, 1994.

Derechos de autor 1994-2006 The MathWorks, Inc.

Publicado con MATLAB 7.12

MATLAB y Simulink son marcas comerciales registradas de The

Demo Traducido de Anfis

Documents

Transcript of Demo Traducido de Anfis