【发布时间】：2016-10-15 02:08:26
【问题描述】：
我想制作一个推理模糊引擎，它可以推断出 3 类规则：
- 清晰的规则。
- 模糊规则。
- 具有清晰和模糊事实的混合规则。
每个规则都有一个假设集、一个结论集和一个确定性因子。在集合的事实中，如果一个事实是一个模糊事实，那么它就具有一定的真实度。
有推导清晰规则和模糊规则的教程，但是如何推导混合规则？
【问题讨论】：
标签： fuzzy-logic inference-engine
【发布时间】：2016-10-15 02:08:26
【问题描述】：
不是清晰规则的模糊规则泛化（如果我正确理解清晰规则的含义）。将模糊规则转换为清晰规则的方法是确保前件中的隶属函数 (MF) 不与任何其他隶属函数重叠，并且随后的 MF 是这样的，当去模糊时，它基本上给出了单一的清晰值。
例如： 输入温度如下 MF：
temp_low_mf = fuzz.trimf(x_temp, [0, 0, 10])
temp_med_mf = fuzz.trimf(x_temp, [0, 20, 45])
temp_high_mf = fuzz.trimf(x_temp, [20, 45, 45])
输出风扇速度具有与脆规则相关的MF之一：
fanspeed_low_mf = fuzz.trimf(x_fanspeed, [0, 0, 0])
所以下面的模糊规则实际上是一个清晰的规则：
rule1 = ctrl.Rule(tempAnt['low'], fanspeedCon['low'], "Cold Climate Rule")
即：如果温度小于 10，则风扇速度应为 0。
【讨论】：