fuzzy.set.operations

index /fuzzy/set/operations.py @

Helper functions for calculation with fuzzy sets.
 
Examples can be found here U{http://pyfuzzy.sourceforge.net/demo/merge/}
 
* Intersection of set1 and set2 can be done by
  
  C{set = merge(T_NORM,set1,set2)}
  
  where T_NORM is a t-norm eg. Min.
  (or a function which accepts two parameters as min().)
 
* Union of set1 and set2 can be done by
  
  C{set = merge(S_NORM,set1,set2)}
  
  where S_NORM is a s-norm eg. Max.
  (or a function which accepts two parameters as max().)
 
* Complement of set1 can be done by
  
  C{set = norm(lambda a,b:1.0-a ,set1,0.0)}
  
  using a user defined function for it.
  (The second parameter is ignored or better said
  it doesn't influence the value, it only influences
  maybe where the points of the resulting polygon are
  set.)
 
* Activation function can be done by
  
  C{set = norm(act_norm,set,act_value)}
  
  where act_norm is any L{fuzzy.norm} or two params function (eg. min)
  and act_value is the result of a rule calculation.

Functions
		check(x, y1, y2) complement(COMPLEMENT, set, segment_size=None) Returns a new fuzzy set which is this complement of the given set. (Where the membership of the result set is equal to C{COMPLEMENT(set(x))}.   For meaning of segment_size see also L{fuzzy.set.operations.merge}.   @param COMPLEMENT: fuzzy complement to use. For example Zadeh(), ...     Also possible as one param function, eg. C{lambda x: 1.-x}. @type COMPLEMENT: L{fuzzy.complement.Base.Base} @param set: fuzzy set @type set: L{fuzzy.set.Set} @param segment_size: maximum size of a segment @type segment_size: float/None @return: resulting fuzzy set @rtype: L{fuzzy.set.Polygon.Polygon} merge(NORM, set1, set2, segment_size=None) Returns a new fuzzy set which is the merger of set1 and set2, where the membership of the result set is equal to C{NORM(set1(x),set2(x))}.   For nonlinear operations you might want set the segment size to a value  which controls how large a linear segment of the result can be.  See also the following examples:   - U{http://pyfuzzy.sourceforge.net/demo/merge/AlgebraicProduct_d_d.png} - The algebraic product is M{x*y}, so using it on the same set, it calculates the square of it.   - U{http://pyfuzzy.sourceforge.net/demo/merge/AlgebraicSum_d_d.png} - The algebraic sum is M{x+y-x*y}.   @param NORM: fuzzy norm to calculate both sets values. For example Min(), Max(), ...     Also possible as two params function, eg. C{lambda a,b: (a+b)/2.}. @type NORM: L{fuzzy.norm.Norm.Norm} @param set1: fuzzy set @type set1: L{fuzzy.set.Set} @param set2: fuzzy set @type set2: L{fuzzy.set.Set} @param segment_size: maximum size of a segment @type segment_size: float/None @return: resulting fuzzy set @rtype: L{fuzzy.set.Polygon.Polygon} norm(NORM, set, value, segment_size=None) Returns a new fuzzy set which ist this set normed with value. where the membership of the result set is equal to C{NORM(set(x),value)}.   For meaning of segment_size see also L{fuzzy.set.operations.merge}.   @param NORM: fuzzy norm to calculate set's values with value. For example Min(), Max(), ...     Also possible as two params function, eg. C{lambda a,b: (a+b)/2.}. @type NORM: L{fuzzy.norm.Norm.Norm} @param set: fuzzy set @type set: L{fuzzy.set.Set} @param value: value @type value: float @param segment_size: maximum size of a segment @type segment_size: float/None @return: resulting fuzzy set @rtype: L{fuzzy.set.Polygon.Polygon}

Data
		__revision__ = '$Id: operations.py,v 1.13 2013-01-09 20:10:19 rliebscher Exp $'