pyFTS/partitioners/FCM.py

118 lines
4.2 KiB
Python
Raw Normal View History

2016-12-22 01:11:34 +04:00
import numpy as np
import math
import random as rnd
import functools,operator
from pyFTS.common import FuzzySet,Membership
from pyFTS.partitioners import partitioner
2016-12-22 01:11:34 +04:00
#import CMeans
# S. T. Li, Y. C. Cheng, and S. Y. Lin, “A FCM-based deterministic forecasting model for fuzzy time series,”
# Comput. Math. Appl., vol. 56, no. 12, pp. 30523063, Dec. 2008. DOI: 10.1016/j.camwa.2008.07.033.
2016-12-22 01:11:34 +04:00
def fuzzy_distance(x, y):
2016-12-22 01:11:34 +04:00
if isinstance(x, list):
tmp = functools.reduce(operator.add, [(x[k] - y[k])**2 for k in range(0,len(x))])
else:
tmp = (x - y) ** 2
return math.sqrt(tmp)
def membership(val, vals):
2016-12-22 01:11:34 +04:00
soma = 0
for k in vals:
if k == 0:
k = 1
soma = soma + (val / k) ** 2
return soma
def fuzzy_cmeans(k, dados, tam, m, deltadist=0.001):
tam_dados = len(dados)
# Inicializa as centróides escolhendo elementos aleatórios dos conjuntos
centroides = [dados[rnd.randint(0, tam_dados-1)] for kk in range(0, k)]
2016-12-22 01:11:34 +04:00
# Tabela de pertinência das instâncias aos grupos
grupos = [[0 for kk in range(0, k)] for xx in range(0, tam_dados)]
alteracaomedia = 1000
m_exp = 1 / (m - 1)
# para cada instância
iteracoes = 0
while iteracoes < 1000 and alteracaomedia > deltadist:
alteracaomedia = 0
# verifica a distância para cada centroide
# Atualiza a pertinencia daquela instância para cada um dos grupos
inst_count = 0
for instancia in dados:
dist_grupos = [0 for xx in range(0, k)]
grupo_count = 0
for grupo in centroides:
dist_grupos[grupo_count] = fuzzy_distance(grupo, instancia)
2016-12-22 01:11:34 +04:00
grupo_count = grupo_count + 1
dist_grupos_total = functools.reduce(operator.add, [xk for xk in dist_grupos])
for grp in range(0, k):
if dist_grupos[grp] == 0:
grupos[inst_count][grp] = 1
else:
grupos[inst_count][grp] = 1 / membership(dist_grupos[grp], dist_grupos)
2016-12-22 01:11:34 +04:00
# grupos[inst_count][grp] = 1/(dist_grupos[grp] / dist_grupos_total)
# grupos[inst_count][grp] = (1/(dist_grupos[grp]**2))**m_exp / (1/(dist_grupos_total**2))**m_exp
inst_count = inst_count + 1
# return centroides
# atualiza cada centroide com base na Média de todos os padrões ponderados pelo grau de pertinência
grupo_count = 0
for grupo in centroides:
if tam > 1:
oldgrp = [xx for xx in grupo]
for atr in range(0, tam):
soma = functools.reduce(operator.add,
[grupos[xk][grupo_count] * dados[xk][atr] for xk in range(0, tam_dados)])
norm = functools.reduce(operator.add, [grupos[xk][grupo_count] for xk in range(0, tam_dados)])
centroides[grupo_count][atr] = soma / norm
else:
oldgrp = grupo
soma = functools.reduce(operator.add,
[grupos[xk][grupo_count] * dados[xk] for xk in range(0, tam_dados)])
norm = functools.reduce(operator.add, [grupos[xk][grupo_count] for xk in range(0, tam_dados)])
centroides[grupo_count] = soma / norm
alteracaomedia = alteracaomedia + fuzzy_distance(oldgrp, grupo)
2016-12-22 01:11:34 +04:00
grupo_count = grupo_count + 1
alteracaomedia = alteracaomedia / k
iteracoes = iteracoes + 1
return centroides
class FCMPartitioner(partitioner.Partitioner):
2017-02-27 22:53:29 +04:00
def __init__(self, data,npart,func = Membership.trimf, transformation=None):
super(FCMPartitioner, self).__init__("FCM", data, npart, func=func, transformation=transformation)
def build(self,data):
sets = []
2017-02-27 22:53:29 +04:00
centroides = fuzzy_cmeans(self.partitions, data, 1, 2)
2017-02-27 22:53:29 +04:00
centroides.append(self.max)
centroides.append(self.min)
centroides = list(set(centroides))
centroides.sort()
for c in np.arange(1,len(centroides)-1):
sets.append(FuzzySet.FuzzySet(self.prefix+str(c),Membership.trimf,[round(centroides[c-1],3), round(centroides[c],3), round(centroides[c+1],3)], round(centroides[c],3) ) )
return sets