增量式结构

在增量结构，输入值被以多级方式并入细化在几个级别的输出值。例如，上图显示了三级增量模糊树有模糊推理系统 $$F\mathrm{一世}{\mathrm{小号}}_{\mathrm{一世}}^{ñ}$$,在那里一世中FIS的索引ñ个级别。在增量模糊树，一世= 1，表示每一层只有一个模糊推理系统。在前面的图中Ĵ的个输入一世在那里ñ第一级显示为输入 $$X_{\mathrm{一世}Ĵ}{}^{ñ}$$,而ķ的第输出一世在那里ñ第一级显示为输入 $$X_{\mathrm{一世}ķ}{}^{ñ}$$。在图中,ñ= 3,Ĵ= 1或2，且ķ= 1。如果每个输入具有米成员函数(MFs)，每个FIS都有一套完整的米²规则。因此，这些规则的总数是纳米²= 3⨉3²= 27。

如下图所示的单片（ñ= 1）具有四个输入端FIS（Ĵ=1、2、3、4)和3个MFs (米= 3)。

在该图的FIS中，规则总数为纳米⁴= 1⨉3⁴= 81。因此，这些规则以增量模糊树总数为线性的输入对数。

在不同层次的增量模糊树输入选择使用基于其对最终输出值的贡献输入排名。贡献最大的输入值通常用于在最低水平，而最有影响的是在最高级别使用。换言之，低等级的输入值都依赖于高秩的输入值。

在增量模糊树中，每个输入值通常有助于推理过程在一定程度上，而不与其它输入被显著相关。例如，模糊系统预测购买使用四个输入汽车的可能性：颜色，门的数目，马力，自动驾驶仪和。输入是四个不同的汽车功能，可独立影响买家的决定。因此，输入可以使用现有的数据以构造模糊树，如图中下图进行排序。

举例说明如何在MATLAB中创建增量模糊树^®，参见在。上创建增量FIS树的示例fistree参考页面。

聚集态结构

在一个聚合的结构中，输入值被合并为最低级别的组，其中每个输入组被输入到一个FIS中。低层模糊系统的输出使用高层模糊系统进行组合(聚合)。例如，下面展示了一个具有模糊推理系统的两级聚合模糊树 $$F\mathrm{一世}{\mathrm{小号}}_{{\mathrm{一世}}_{ñ}}^{ñ}$$,在那里一世_ñ中FIS的索引ñ个级别。

在这个聚集的模糊树中，一世₁= 1,2和一世₂= 1。因此，每个级包括不同数量的FIS的。该Ĵ的个输入一世_ñ输入如图所示 $$X_{{\mathrm{一世}}_{ñ}Ĵ}$$,ķ的第输出一世_ñFIS显示为输出 $${ÿ}_{{\mathrm{一世}}_{ñ}ķ}$$。在图中,Ĵ= 1,2和ķ= 1。换句话说，每个FIS有两个输入和一个输出。如果每个输入米MFs，那么每个FIS都有一个完整的集合米²规则。因此，这三个模糊系统的规则总数为3米²= 3⨉32 = 27日,也就是作为增量FIS相似的配置。

在一个聚集模糊树，输入值自然对特定决策组合在一起。例如，自主机器人导航任务联合避障和目标达成的无碰撞导航子任务。为了实现导航任务，模糊树可以使用四个输入：到最近的障碍物距离，最接近障碍的角度，目标距离和目标的角度。距离和角度相对于当前位置和机器人的前进方向测量的。在这种情况下，在最低水平，输入如图如下图自然组：障碍物的距离和障碍物的角度（第1组）和目标的距离和目标角度（第2组）。两个模糊系统分别处理各个组输入，然后另一个模糊系统结合它们的输出以产生用于所述机器人无碰撞的标题。

有关说明如何在MATLAB中创建聚合模糊树的示例，请参见在fistree参考页面。

聚集结构变化

在一个变化的聚合结构称为平行结构[1]，将最下层模糊系统的输出直接求和，得到最终的输出值。下图显示了一个并行模糊树的例子，其中fis1和fis2的输出被求和以产生最终的输出。

该fistree对象不提供求和节点Σ。因此，您必须添加自定义聚合的方法来评估并行模糊树。举一个例子，请参阅“创建和评估并行FIS树”上fistree参考页面。

级联或组合结构

级联结构，也被称为组合的结构，结合了增量和聚集结构构建模糊树。这种结构适合于包括相关和不相关的输入的系统。该树基团在聚合结构中的相关输入，和在增量结构增加了不相关的输入。如下图所示的级联树结构，其中，所述第一四个输入被分组成对以聚集结构和第五输入以增量结构被添加的一个例子。

例如，考虑前面讨论的机器人导航任务聚集态结构。假设任务包括另一输入，机器人的一个标题，考虑到防止机器人标题大的变化。您可以通过如下图的增量结构中添加此输入。

对于说明了MATLAB创建聚集模糊树一个例子，看到的例子“创建级联FIS树”fistree参考页面。