ArcGIS教程：模糊分类的工作原理

　　模糊分类工具基于属于指定集合的概率对输入数据进行重分类或转换至介于 0 到 1 的范围内。0 分配给确定不属于指定集合的位置，1 分配给确定属于指定集合那些值，0 到 1 之间整个范围的概率分配给某些等级的可能成员(值越大，概率越大)。

　　可以使用 ArcGIS Spatial Analyst 扩展模块中任意数量的可用函数和运算符对输入值进行转换，将这些值重分类为 0 到 1范围内的概率范围。但是，模糊分类工具允许根据一系列适用于模糊化处理的特定函数对连续的输入数据进行转换。例如，模糊线性分类函数将输入值线性地转换到 0 到 1 的范围内，其中为最小输入值分配 0，为最大输入值分配 1。所有中间值都将基于线性比例获取到某些分类值，其中为较大的输入值分配较大的概率或接近 1 的概率。

　　在脚本语言中，这些函数都被实现为对应的 Python 类。

　　由于这些分类函数特定于连续的输入数据，在需要将分类数据用作“模糊叠加”分析的输入时，则需要使用任意数量的 Spatial Analyst 工具将该数据转换为 0 到 1 概率的分类范围。最适用于此过程的两个工具是重分类和分割。重分类工具允许将分类数据转换到 0 到 10 的范围(无法使用此工具将数据直接重分类到 0 到 1 的范围)内，然后将转换所得的数据除以 10 以获取 0 到1 之间的范围。

　　各分类函数在公式和应用方面都有所不同。使用哪个函数具体取决于哪个函数能够根据正在模拟的现象最好地捕获到数据的变换。可以通过一系列输入参数进一步优化各个分类函数的特征。

　　以下是各种模糊分类函数及其最适用对象的列表。

模糊分类类型

　　以下对七个模糊分类函数进行了逐一说明。

　　模糊高斯

　　模糊高斯函数将原始值转换为正态分布。正态分布的中点为集合定义了理想定义，为该中点分配值 1，而分类过程中的