Область вывода текущей информации

В этой области выводится наиболее существенная текущая информация, например, сообщения об окончании выполнении операций, значение ошибки обучения или тестирования и т.п.

Findcluster

GUI-модуль Findcluster позволяет автоматически находить центры кластеров многомерных данных с помощью нечеткого c-means алгоритма и алгоритма субтрактивной кластеризации. Загрузка модуля Findcluster осуществляется по команде findcluster. Основное графическое окно модуля Findcluster с указанием назначения функциональных областей приведено на рис. 7.26.

 

Рисунок 7.26. Основное окно модуля Findcluster

Модуль Findcluster содержит 7 верхних типовых меню графического окна (File, Edit, View, Insert, Tools, Windows и Help), область визуализации, область загрузки данных, область кластеризации, область вывода текущей информации а также кнопки Info и Close, которые позволяют вызвать окно справки и закрыть модуль, соответственно.

Область визуализации

В этой области в двумерном пространстве выводятся экспериментальные данные (образы) и найденные центры кластеров. Для образов используется маркер в виде красной окружности (o), а для центров кластеров – маркер в виде черной точки ().

В области также расположены меню выбора координатных осей X-axis и Y-axis, позволяющие ассоциировать признаки образов с осями абсцисс и ординат, соответственно.

Область загрузки данных

В этой области, которая расположена в правом верхнем углу окна, находится кнопка Load Data…. Нажатие этой кнопки позволяет загрузить данные для кластеризации, хранящиеся на диске. После нажатия кнопки Load Data… открывается типовое окно открытия файла. В файле данные должны быть записаны построчно, т. е. каждому образу должна соответствовать одна строка файла данных.

Область вывода текущей информации

В этой области, которая расположена внизу графического окна, выводится наиболее важная текущая информация, например, состояние модуля, номер итерации алгоритма кластеризации, значение целевой функции и т.п.

Область кластеризации

В этой области пользователь может выбрать алгоритм кластеризации, установить параметры алгоритма кластеризации, провести кластеризацию и сохранить координаты центров кластеров в виде файла. В области расположены следующие меню и кнопки.

Меню Method… позволяет выбрать один из двух алгоритмов кластеризации: subtractiv – алгоритм субтрактивной кластеризации; fcm - нечеткий c-means алгоритм. При выборе алгоритма субтрактивной кластеризации графическое окно модуля Findcluster имеет вид, показанный на рис. 7.26. В этом случае пользователь имеет возможность установить значения следующих параметров алгоритма Influence Range, Squash, Accept Ratio и Reject Ratio, смысл которых объяснен в описании функции subclust. При выборе нечеткого c-means алгоритма область кластеризации принимает вид, изображенный на рис. 7.27. В этом случае пользователь имеет возможность установить значения следующих параметров: Cluster Num. -количество кластеров; Max Iteration # -максимальное количество итераций алгоритма; Min -минимально допустимое значение улучшения целевой функции за одну итерацию алгоритма; Exponent -значения экспоненциального веса. Дополнительная информация об этих параметрах приведена в описании функции fcm (подраздел 8.8).

Рисунок 7.27. Область кластеризации для нечеткого c-means алгоритма кластеризации

Кнопка Start – запускает кластеризацию. При использовании алгоритма fcm значения координат центров кластеров выводятся в окне визуализации после каждой итерации. При использовании субтрактивной алгоритма открывается дополнительное окно (рис. 7.28), показывающее динамику процесс кластеризации. Координаты центров кластеров выводятся по окончанию выполнения алгоритма.

Рисунок 7.28. Окно выполнения алгоритма субтрактивной кластеризации

Кнопка Save Center… - позволяет сохранить координаты найденных центров кластеров. По нажатию этой кнопки открывается типовое окно записи данных в файл. Координаты центров записываются в таком же формате, как и данные для кластеризации, т. е. каждая строчка файла содержит значения координат одного центра.

Кнопка Clear Plot позволяет очистить поле вывода данных.

1. Zadeh L. Fuzzy sets // Information and Control. — 1965. — №8. — P. 338-353.
2. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. — М.: Мир, 1976. — 167 с.
3. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. — М.: Радио и связь, 1981. — 286 с.
4. Ротштейн А.П., Штовба С.Д. Проектирование нечетких баз знаний: лабораторный практикум и курсовое проектирование. Учебное пособие. - Винница: Винницкий государственный технический университет, 1999.- 65с. (На укр. языке).
5. Ротштейн А.П., Штовба С.Д. Влияние методов деффазификации на скорость настройки нечеткой модели // Кибернетика и системный анализ.- 2002.- №1.
6. Fuzzy Logic Toolbox. User’s Guide, Version 2. The MathWorks, Inc., 1999.

ПРИМЕЧАНИЕ

Fuzzy Logic Toolbox содержит следующие категории программных инструментов:

• функции;
• интерактивные модули с графическим пользовательским интерфейсом (с GUI);
• блоки для пакета Simulink;
• демонстрационные примеры.