此工具不会改变分类数据的大小。要将分类数据包括在模糊叠加分析中，必须执行预处理步骤。您可以创建模型或运行下列地理处理工具。首先，使用重分类工具获得新的值范围（例如，1 到 100）。然后，将结果除以某个因子（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) 定义了模糊隶属度的值从 1 向 0 下降的快慢程度。值越大，模糊化在中点附近变化越急剧。换言之，随着散度的减小，模糊隶属度接近 0 的速度也随之降低。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函数，使用默认值 0.1 作为起点很合适。通常，值分别在 [0.01–1] 或 [0.001-1] 的范围内变化。对于小值 (Small) 函数和大值 (Large) 函数，适合使用默认值 5 作为起点，此时，通常值在 1 和 10 之间变化。

散度对高斯模糊隶属度的影响。

有时，可能会出现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出新的范围。例如，如果输入值的最大隶属度为 0.75，则可以通过将每个模糊隶属度乘以 0.75 来获得新的范围。

执行的模糊限制语是 VERY 和 SOMEWHAT。VERY 也称为收缩，被定义为模糊隶属度函数的平方。SOMEWHAT 也称为膨胀或 More or Less，是模糊隶属度函数的平方根。VERY 和 SOMEWHAT 模糊限制语可分别减小和增大模糊隶属度函数。

小值 (Small) 和大值 (Large) 隶属度函数不接受负值。

对于线性 (Linear) 隶属度函数，输入栅格必须为有序数据。最小值可以小于最大值以创建正斜率的函数，也可以大于最大值以创建负斜率的函数来适应这种变换。

如果最小值小于最大值，则会将正斜率函数用于变换；如果最小值大于最大值，则会使用负斜率函数。

有关适用于此工具的地理处理环境的详细信息，请参阅分析环境和 Spatial Analyst。