96 lines
3.1 KiB
Python
96 lines
3.1 KiB
Python
import numpy as np
|
|
import math
|
|
import random as rnd
|
|
import functools, operator
|
|
from pyFTS.common import FuzzySet, Membership
|
|
|
|
|
|
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 c_means(k, dados, tam):
|
|
# Inicializa as centróides escolhendo elementos aleatórios dos conjuntos
|
|
centroides = [dados[rnd.randint(0, len(dados)-1)] for kk in range(0, k)]
|
|
|
|
grupos = [-1 for x in range(0, len(dados))]
|
|
|
|
it_semmodificacao = 0
|
|
|
|
# para cada instância
|
|
iteracoes = 0
|
|
while iteracoes < 1000 and it_semmodificacao < 10:
|
|
inst_count = 0
|
|
|
|
modificacao = False
|
|
|
|
for instancia in dados:
|
|
|
|
# verifica a distância para cada centroide
|
|
grupo_count = 0
|
|
dist = 10000
|
|
|
|
grupotmp = grupos[inst_count]
|
|
|
|
for grupo in centroides:
|
|
tmp = distancia(instancia, grupo)
|
|
if tmp < dist:
|
|
dist = tmp
|
|
# associa a a centroide de menor distância à instância
|
|
grupos[inst_count] = grupo_count
|
|
grupo_count = grupo_count + 1
|
|
|
|
if grupotmp != grupos[inst_count]:
|
|
modificacao = True
|
|
|
|
inst_count = inst_count + 1
|
|
|
|
if not modificacao:
|
|
it_semmodificacao = it_semmodificacao + 1
|
|
else:
|
|
it_semmodificacao = 0
|
|
|
|
# atualiza cada centroide com base nos valores médios de todas as instâncias à ela associadas
|
|
grupo_count = 0
|
|
for grupo in centroides:
|
|
total_inst = functools.reduce(operator.add, [1 for xx in grupos if xx == grupo_count], 0)
|
|
if total_inst > 0:
|
|
if tam > 1:
|
|
for count in range(0, tam):
|
|
soma = functools.reduce(operator.add,
|
|
[dados[kk][count] for kk in range(0, len(dados)) if
|
|
grupos[kk] == grupo_count])
|
|
centroides[grupo_count][count] = soma / total_inst
|
|
else:
|
|
soma = functools.reduce(operator.add,
|
|
[dados[kk] for kk in range(0, len(dados)) if grupos[kk] == grupo_count])
|
|
centroides[grupo_count] = soma / total_inst
|
|
grupo_count = grupo_count + 1
|
|
|
|
iteracoes = iteracoes + 1
|
|
|
|
return centroides
|
|
|
|
|
|
def CMeansPartitionerTrimf(data, npart, names=None, prefix="A"):
|
|
sets = []
|
|
dmax = max(data)
|
|
dmax += dmax * 0.10
|
|
dmin = min(data)
|
|
dmin -= dmin * 0.10
|
|
centroides = c_means(npart, data, 1)
|
|
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
|