标签: fuzzy-logic

让我解释.

我必须为公司做一些模糊匹配,所以ATM我使用levenshtein距离计算器,然后计算两个术语之间的相似性百分比.如果术语的相似度超过80%,则Fuzzymatch将返回"TRUE".

我的问题是我正在实习,很快就离开了.那些将继续这样做的人不知道如何在宏中使用excel,并希望我尽我所能地实现我所做的.

所以我的问题是:无论函数效率如何,是否有任何方法可以在Excel中制作一个标准函数来计算我以前做过的,而不需要使用宏？

谢谢.

我正在考虑实现基于PyFuzzy(Python)或FFLL(C++)库的模糊逻辑控制器.

我更喜欢使用python,但我不确定它是否可以在嵌入式环境中运行(ARM或嵌入式x86处理~64Mbs的RAM).

主要关注的是响应时间尽可能快(更新速率为5hz +理想情况> 2Hz是必需的).系统将从RS232端口读取多个(可能是5个)传感器,并根据模糊评估结果提供2/3输出.

我是否应该担心Python对于这项任务来说太慢了？

我有一份电子产品目录。我将它们放在 SQL 数据库中的字段/列中，例如“标题”、“制造零件编号”、“UPC”等。然后，我爬行列出了例如Amazon 的电子产品的外部网站。大多数情况下，这会生成一些 HTML 文本，尽管我可以找出标题等内容。我需要比较此 HTML 文本（外部网站上网页的结果）是否描述了我拥有的产品。

我知道这种比较并不准确，即我不希望它 100% 正确。有办法做到这一点吗？

虽然很难提供完整的示例，但让我们将比较限制为仅两个产品的标题。

我拥有的标题：摩托罗拉 Talkabout MH230R 便携式 - 双向收音机 - FRS/GMRS 22 频道 - 黄色（3 件装）

亚马逊\xe2\x80\x99s 标题：摩托罗拉 MH230TPR Giant 可充电双向收音机 3 件装，FRS/GMRS

这些代表相同的产品。有什么方法可以确定它们是否相似/相同？简单的文本比较是不行的。

如果有工具可以解决这个问题那就太好了。如果不是，我\xe2\x80\x99d很欣赏这个算法或一些指针，我可以用它们来进一步研究这个领域。

我了解 C# 和 Java。我在比较图像和寻找最佳点时使用了一些与数值分析 \xe2\x80\x93 特别是反向传播和遗传算法 \xe2\x80\x93 相关的人工智能/神经网络。然而我不知道如何处理文本数据。

如果这个问题不清楚，请告诉我，我会尽力澄清我的描述。\n谢谢大家。

我有一个数据库，其中包含某些列入黑名单的公司和个人的姓名。创建的所有交易及其详细信息都需要根据这些列入黑名单的名称进行扫描。创建的交易的名称可能拼写不正确，例如可以将“Wilson”写为“Wilson”、“Vilson”或“Veelson”。模糊搜索逻辑或实用程序应与黑名单数据库中存在的名称“Wilson”进行匹配，并且基于用户设置的所需正确性/准确性百分比，必须显示百分比集中的匹配名称。

交易将批量或实时发送，以检查是否列入黑名单。

如果有类似需求并已实现的用户也能给出他们的看法和实现方式，我将不胜感激

我需要使用模糊逻辑对对象进行分类。每个对象都有 4 个特征 - {大小、形状、颜色、纹理}。每个特征都通过语言术语和一些隶属函数进行模糊化。问题是我无法理解如何去模糊化，以便我可以知道未知对象属于哪个类。使用 Mamdani Max-Min 推理，有人可以帮助解决这个问题吗？

Objects = {Dustbin, Can, Bottle, Cup} 或分别表示为 {1,2,3,4}。每个特征的模糊集是：

特点：尺寸

$\tilde{Size_{Large}}$ = {1//1,1/2,0/3,0.6/4}  for crisp values in range 10cm - 20 cm

$\tilde{Size_{Small}}$ = {0/1,0/2,1/3,0.4/4}  (4cm - 10cm)

形状：

$\tilde{Shape_{Square}}$ = {0.9/1, 0/2,0/3,0/4}  for crisp values in range 50-100

$\tilde{Shape_{Cylindrical}}$ = {0.1/1, 1/2,1/3,1/4}  (10-40)

特点 : 颜色

$\tilde{Color_{Reddish}}$ = {0/1, 0.8/2, 0.6/3,0.3/4}  say red values in between 10-50 (not sure, assuming)

$\tilde{Color_{Greenish}}$ = {1/1, 0.2/2, 0.4/3, 0.7/4}  say color values in 100-200

特点：纹理 …

有人可以描述不同的边缘检测算法来检测图像中的边缘及其用途的优缺点。我感兴趣的一些主要算法是：Sobel FuzzyLogic Canny

提前致谢

我过去3个月一直在研究模糊逻辑SDK,它已经到了我需要开始大量优化引擎的地步.

与大多数基于"实用"或"需要"的AI系统一样,我的代码通过在世界各地放置各种广告,将所述广告与各种代理的属性进行比较,并相应地"基于每个代理"对广告进行"评分"来工作.

反过来,这会为大多数单一代理模拟生成高度重复的图形.但是,如果考虑到各种代理,则系统变得非常复杂并且使我的计算机难以模拟(因为代理可以在彼此之间广播广告,创建NP算法).

下图:针对单个代理的3个属性计算的系统重复性示例:

上:根据3个属性和8个代理计算的系统示例:

(在开始时折叠,并在之后不久恢复.这是我能够生成的最适合图像的示例,因为恢复通常非常慢)

从两个示例中可以看出,即使代理计数增加,系统仍然是高度重复的,因此浪费了宝贵的计算时间.

我一直在尝试重新构建程序,以便在高重复性期间,更新功能仅连续重复线图.

虽然我的模糊逻辑代码当然可以提前预测计算系统的崩溃和/或稳定性,但它对我的CPU极为不利.我正在考虑机器学习是最好的选择,因为似乎一旦系统初始设置被创建,不稳定时期总是看起来大致相同(但它们出现在"半")随机时间.我说半,因为它通常很容易通过图表上显示的不同模式注意到;但是,就像不稳定的长度一样,这些模式从设置到设置都有很大差异).

显然,如果不稳定期间的时间长度相同,一旦我知道系统何时崩溃,它很容易弄明白何时会达到平衡.

在关于该系统的附注中,并非所有配置在重复期间都是100%稳定的.

图中非常清楚地显示:

因此,机器学习解决方案需要一种方法来区分"伪"折叠和完全折叠.

使用ML解决方案的可行性如何？任何人都可以推荐任何最适合的算法或实现方法吗？

至于可用资源,评分代码根本不能很好地映射到并行体系结构(由于代理之间的纯粹互连),所以如果我需要专门用一个或两个CPU线程来进行这些计算,那就这样吧.(我不想使用GPU,因为GPU正在与我的程序中不相关的非AI部分征税).

虽然这很可能没有什么区别,但代码运行的系统在执行期间还剩下18GB的RAM.因此,使用可能高度依赖数据的解决方案肯定是可行的.(虽然除非必要,我宁愿避免它)

背景

我有 2 个数据框，没有可以将它们合并的公共密钥。两个 df 都有一个包含“实体名称”的列。一个 df 包含 8000 多个实体，另一个 df 包含接近 2000 个实体。

样本数据：

vendor_df=
     Name of Vendor                             City         State  ZIP
     FREDDIE LEES AMERICAN GOURMET SAUCE       St. Louis    MO     63101
     CITYARCHRIVER 2015 FOUNDATION             St. Louis    MO     63102
     GLAXOSMITHKLINE CONSUMER HEALTHCARE       St. Louis    MO     63102
     LACKEY SHEET METAL                        St. Louis    MO     63102

regulator_df = 
     Name of Entity                    Committies
     LACKEY SHEET METAL                 Private
     PRIMUS STERILIZER COMPANY LLC      Private  
     HELGET GAS PRODUCTS INC            Autonomous
     ORTHOQUEST LLC                     Governmant  

问题说明：

我必须模糊匹配这两个 ( Name …

我正在尝试在C中为爱好机器人项目实现模糊逻辑隶属函数,但我不太清楚如何开始.

我有关于点附近的物体的输入,例如距离或哪些方向是清晰/阻挡的,并且我想要映射这些输入属于非常近,近,远,远的集合的强度.有没有人有关于如何开始的提示？谢谢.

按照scikit-fuzzy的提示示例，我使用以下代码创建模糊控制系统的输入/输出：

quality = ctrl.Antecedent(np.arange(0, 11, 1), 'quality')
service = ctrl.Antecedent(np.arange(0, 11, 1), 'service')
tip = ctrl.Consequent(np.arange(0, 26, 1), 'tip')
quality.automf(3)
service.automf(3)
tip.automf(3)

在示例的“模糊规则”部分中，规则是手动编写的。我想从训练示例中生成它们。

假设我有一组（质量、服务、小费）元组，其中质量和服务范围从 0 到 10，小费范围从 0 到 25。我希望能够从每个训练元组自动生成规则。为此，我需要将质量和服务的值（分别为小费）映射到术语（又名语言值）：“差”、“平均”或“好”（分别为“低”、“中” ”或“高”）。

我怎样才能做到这一点scikit-fuzzy？