摘要
根据指定的模糊化算法,将输入栅格转换为 0 到 1 数值范围以指示其对某一集合的隶属度。
值 1 表示完全隶属于模糊集,而当值降为 0 时,则表示不是模糊集的成员。
用法
· 此工具无法对分类数据进行度量。要将分类数据用于模糊叠加分析,需要执行预处理操作。您可以创建一个模型或运行下列地理处理工具。首先,使用重分类工具获得一个新的值域范围(例如,1 到 100)。然后,将重分类结果除以某个因子(例如 100),以便将输出值归一化为介于 0.0 和 1.0 之间的值。
· 散度 (Spread) 可确定模糊隶属度从 1 下降到 0 的速度。其值越大,中点周围的模糊化就越陡。换言之,随着散度(spread) 的减小,模糊隶属度接近 0 的速度也将随之降低。选择合适的散度 (spread) 值是一个主观过程,它取决于明确值的数值范围。对于高斯函数和近邻 (Near) 函数,使用默认值 0.1 是一个很好的出发点。通常,值分别在 [0.01–1] 或 [0.001-1] 的区间内变化。对于小值 (Small) 函数和大值 (Large) 函数,使用默认值 5 是一个很好的出发点,通常,值在 1 和 10 之间变化。
· 您有时可能会遇到没有任何一个输入值可以保证 100% 属于指定集合的情况。也就是说,没有任何一个输入值的模糊隶属度为 1。这种情况下,可能需要重新调整模糊隶属度的大小以反映