我正在用scikit-fuzzy制作一个模糊代理，它根据长度和动机来决定一名篮球运动员的表现。显然，这是一个学习项目，而不是一个现实的实施。
在一个只有长度和质量之间关系的简单例子中，我有以下模糊规则：
R1 = fuzz.relation_product(l_tall, q_good)
R2 = fuzz.relation_product(l_moderate, q_moderate)
R3 = fuzz.relation_product(l_short, q_bad)
R_combined = np.fmax(R1, np.fmax(R2, R3))
fuzz.defuzz(quality, R_combined[length == 180], 'centroid')
正如预期的那样，这将返回一个清晰的值。
然而，当我处理两种关系时：
#Relationships between motivation and quality of player
R1 = fuzz.relation_product(m_very, q_good)
R2 = fuzz.relation_product(m_barely, q_bad)
#Relationships between length and quality of player
R3 = fuzz.relation_product(l_tall, q_good)
R4 = fuzz.relation_product(l_short, q_bad)
我不知道下一步该怎么做才能让它发挥作用。我是合并所有规则，还是只合并类似的规则，之后如何使用defuzzify函数？我需要能够有两个参数（长度和动机），所以我上面使用的方法不起作用。
scikit-fuzzy没有太多文档，但我发现了一个经典提示示例的实现，您可能会发现它很有用
http://nbviewer.ipython.org/gist/kickapoo/2cec262723390d6f386a