import numpy as np import math import random as rnd import functools,operator from pyFTS.common import FuzzySet,Membership #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. 3052–3063, Dec. 2008. DOI: 10.1016/j.camwa.2008.07.033. def distancia(x,y): 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 pert(val, vals): 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)] for kk in range(0, k)] # 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] = distancia(grupo, instancia) 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 / pert(dist_grupos[grp], dist_grupos) # 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 + distancia(oldgrp, grupo) grupo_count = grupo_count + 1 alteracaomedia = alteracaomedia / k iteracoes = iteracoes + 1 return centroides def FCMPartitionerTrimf(data,npart,names = None,prefix = "A"): sets = [] dmax = max(data) dmax = dmax + dmax*0.10 dmin = min(data) dmin = dmin - dmin*0.10 centroides = fuzzy_cmeans(npart, data, 1, 2) centroides.append(dmax) centroides.append(dmin) centroides = list(set(centroides)) centroides.sort() for c in np.arange(1,len(centroides)-1): sets.append(FuzzySet.FuzzySet(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