MATLAB实现智能计算方法实验汇总
- 代码资源链接
- [实验一 模糊聚类分析](https://blog.csdn.net/qq_36949278/article/details/121051493)
- [实验二 模糊控制仿真实验](https://blog.csdn.net/qq_36949278/article/details/121991931)
- [实验三 BP神经网络](https://blog.csdn.net/qq_36949278/article/details/121997666)
- [实验四 RBF神经网络](https://blog.csdn.net/qq_36949278/article/details/121998991)
- [实验五 Hopfield神经网络](https://blog.csdn.net/qq_36949278/article/details/122003402)
- [实验六 支持向量机](https://blog.csdn.net/qq_36949278/article/details/122012552)
- [实验七 遗传算法](https://blog.csdn.net/qq_36949278/article/details/125774867)
代码资源链接
MATLAB实现智能计算方法课程所有实验代码资源链接为:MATLAB实现智能计算方法课程所有实验代码资源
Github仓库地址为:https://github.com/lazyn1997/CSDN_blog_code/tree/main/课后作业/智能计算方法
gitee仓库地址为:https://gitee.com/lazyn/CSDN_blog_code/tree/main/课后作业/智能计算方法
实验一 模糊聚类分析
-
根据下面表格中的数据,用Matlab(或Python)编程进行数据标准化处理;
-
根据标准化处理后的数据,用Matlab(或Python)编程,建立模糊相似矩阵,并编程求出其传递闭包矩阵;
-
根据模糊等价矩阵,编程绘制动态聚类图;
-
根据原始数据,编程确定最佳分类结果。
no Y1 Y2 Y3 Y4 Y5 Y6 x1 21 63 19 40 1.567 106 x2 23 74 30 75 2.693 54 x3 119 179 86 118 6.897 9 x4 115 168 49 89 2.637 29 x5 79 146 46 92 2.356 24 x6 79 158 48 103 2.142 7 x7 65 114 58 99 2.679 7 x8 68 119 58 96 3.099 6 x9 109 166 59 95 2.868 6 x10 118 177 56 89 2.64 7
实验二 模糊控制仿真实验
利用Fuzzy工具箱,设计洗衣机洗涤时间的模糊控制器,已知人的操作经验为:
- 污泥越多,油脂越多,洗涤时间越长;
- 污泥适中,油脂适中,洗涤时间适中;
- 污泥越少,油脂越少,洗涤时间越短。
X | Y | z |
---|---|---|
SD | NG | VS |
SD | MG | M |
SD | LG | L |
MD | NG | S |
MD | MG | M |
MD | LG | L |
LD | NG | M |
LD | MG | L |
LD | LG | VL |
其中,SD(污泥少)、MD(污泥中)、LD(污泥多)、NG(油脂少)、MG(油脂中)、LG(油脂多)、VS(洗涤时间很短)、S(洗涤时间短)、M(洗涤时间中等)、L(洗涤时间长)、VL(洗涤时间很长)。
- 假设污泥、油脂、洗涤时间的论域分别为0-100,0-100,1-120,用fuzzy工具箱设计相应的模糊推理系统,给出具体的步骤和输入、输出语言变量的隶属函数图、模糊控制规则表和推理结论立体图。
- 假定污泥=60,油脂=70,给出推理图和结果。
实验三 BP神经网络
利用BP神经网络,解决性别分类问题:
-
原始数据student.xls,部分数据放入报告中即可;
-
以身高、体重为输入,性别为输出,设计网络结构(以图的形式放入报告);
-
手工编码(python或MATLAB),实现对性别的分类计算,并用测试数据验证模型的正确性。
-
用MATLAB工具箱编程实现模型仿真并用测试数据对性别进行预测。
测试数据1:身高(162cm),体重(56kg),性别(女)。
测试数据2:身高(172cm),体重(75kg),性别(男)。
实验四 RBF神经网络
1. 利用RBF神经网络,解决异或问题
-
异或问题本质上是一个二分类问题:输入为向量[x1,x2],输出是标量,取值限定为0或1。
序号 x1 x2 D期望输出 1 0 0 0 2 0 1 1 3 1 0 1 4 1 1 0 -
设计网络结构(以图的形式放入报告);
-
手工编码(python或MATLAB),实现对异或问题的分类计算。
-
用MATLAB工具箱编程实现模型仿真。
测试数据1:x1=0.95,x2=0.03。
测试数据2:x1=0.92,x2=0.89。
2. 曲线拟合
-
给定一系列已知的采样点,就可以近似确定在某未知自变量位置处的函数值(18个点)
X=-9,-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9
Y=-129,-32,-118,-138,-125,-97,-55,-23,-4,2,1,-31,-72,-121,-142,-174,-155,-77 -
手工编码(python或MATLAB),实现曲线拟合。
-
用MATLAB工具箱编程实现曲线拟合,改变spread,观察拟合结果并截图放入报告中。
实验五 Hopfield神经网络
在三维平面上,定义两个平衡点(1,-1,1)和(-1,1,-1),使所有的输入向量经过迭代最后都收敛到这两个点。
- 给出手工计算过程,并用代码(python或matlab)实现;
- 设计网络结构(以图的形式放入报告);
- 用MATLAB工具箱编程实现模型仿真。
实验六 支持向量机
利用支持向量机,构造性别分类器:
-
以身高、体重为输入,性别为输出,设计支持向量机;
-
手工编码或工具箱编码(python或MATLAB),实现对性别的分类计算,并用测试数据验证模型的正确性。
-
用测试数据对性别进行预测。
测试数据1:身高(162cm),体重(56kg),性别(女)。
测试数据2:身高(172cm),体重(75kg),性别(男)。
实验七 遗传算法
-
利用遗传算法,解决下列函数优化求解:
{ min F ( x , y ) = ( x − 3.5 ) 2 + ( y + 4 ) 2 1 < x , y < 10 \left\{ \begin{array}{l} \min F(x,y) = {(x - 3.5)^2} + {(y + 4)^2}\\ 1 < x,y < 10 \end{array} \right. {minF(x,y)=(x−3.5)2+(y+4)21<x,y<10
-
利用遗传算法,求函数 f ( x ) = x + 10 sin ( 5 x ) + 7 cos ( 4 x ) f(x) = x + 10\sin (5x) + 7\cos (4x) f(x)=x+10sin(5x)+7cos(4x) 的最大值,其中 0 ≤ x ≤ 9 {\rm{0}} \le x \le 9 0≤x≤9 。