2021年2月10日发(作者：产生)
基本
FIS
编辑器
函数
fuzzy
格式
fuzzy %
弹出未
定义的基本
FIS
编辑器
fuzzy(fismat) %
使用
<
br>fuzzy('tipper')
，弹出下图
FIS
p>
编辑器。
编辑
器是任意模糊推理系统的高层显示，它允许你调用各种其它的编辑器来对其操作。此界面允许你方便
地访问所有其它的编辑器，并以最灵活的方式与模糊系统进行交互。
方框图：窗口上方的方框图显示了输入、输出和它们中间的模糊规则处理器。单击任意一个变量
框，使选
中的方框成为当前变量，此时它变成红色高亮方框。双击任意一个变量，弹出隶
属度函数编辑器，双击模
糊规则编辑器，弹出规则编辑器。
<
/p>
菜单项：
FIS
编辑器的菜单棒允许你打
开相应的工具，打开并保存系统。
·
File
菜单包括：
New
mamdani FIS …
打开新
mamdani
型系统；
New Sugeno FIS
…
打开新
Sugeno
型系统；
Open from disk
…
从磁盘上打开指定的
.fis
文件系统；
Save to
disk
保存当前系统到磁盘上的一个
.fis
文件上；
Save to disk as
…
重命名方式保存当前系统到磁盘上；
Open from workspace …
从工作空间中指定的
FIS
结构变量装入一个
系统；
Save to workspace
…
保存系统到工作空间中当前命名的
FIS
结构变量中；
Save
to workspace as …
保存系统到工作空
间中指定的
FIS
结构变量中；
Close windows
关闭
GUI
；
·
Edit
菜单包括：
Add input
增加另一个输入到当前系统中；
Add output
增加另一个输出到当前系统中；
Remove variable
删除一个所选的变量；
Undo
恢复当前最近的改变；
·
View
菜单包括：
Edit MFs
…
调用隶属度函数编辑器；
Edit rules …
调用规则编辑器；
Edit
anfis …
只对单输出
Su
geno
型系统调用编辑器；
View rules …
调用规则观察器；
View
surface …
调用曲面观察器。
弹出式菜单：用五
个弹出式菜单来改变模糊蕴含过程中五个基本步骤的功能：
·
And method
：为一个定制
操作选择
min
、
prod<
p>
或
Custom
；
·
Or method
：为一个定制操
作选择
max
、
probor
(概率)或
Custom
；
·
Implication method
：为一个定制操作选择
min
、
prod
或
Custom
；此项对
Sugeno
型模糊系统不可用。
·
Aggregation method
：为一个定制操作选择
max
、
s
um
、
probor
或
Custom
。此项对
Sugeno
<
br>型模糊系统不可
用。
·
Defuzzification method<
p>
：对
Mamdani
型推理，为一个定制操作选择
centroid
(面积中心法)、
b
isector
(面
积平分法)、
mo
m
(平均最大隶属度法)、
som
(最
大隶属度最小值法)、
lom
(最大隶属度最大值法)
或
Custom
。对
S
ugeno
型推理，在
wtaver
(
加权平均)或
wtsum
(加权和)之间选择。
6.1.15
隶属函数编辑器
函数
mfedit
格式
mfedit('a')
mfedit(a)
mfedit
说明
mfedit('a')
生成一
个隶属函数编辑器，他允许你检查和修改存储在文件
中
FIS
结构的所有隶属函
数。如图，<
p>
mfedit('tank')
以这种方式打开隶属函数编辑器并装入
p>
中存储的所有隶属函数。
mfedit(a)
对于
FIS
结构操作一个
MATLAB
工作空间变量
a
。
Mfedit
可单独弹出没有
装入
FIS
的隶属函数编
辑器
菜单项：在
ANFIS
编辑器
GUI
上，有一个菜单棒允许你打开相关的<
p>
GUI
工具、打开和保存系统等。
File
菜单与
FIS
编辑器上的
File
菜单功能相同。
·
p>
Edit
菜单项包括：
Add MF…
为当前语言变量增加隶属度函数；
Add custom MF…
为当前语言变量增加定制的隶属度函数；
Remove current MF
删除当前的隶属度函数；
Remove all MFS
删除当前语言变量的所有隶属度函数；
Undo
恢复当前最近的改变。
·
View
菜单项包括：
Edit FIS properties…
调用
FIS
编辑器；
<
br>
Edit rules…
调用规则编辑器；
View
rules…
调用规则观察器；
View surface…
调用曲面观察器。
6.2
模糊推理结构
FIS
6.2.1
不使用数据聚类方法从数据生成
<
br>FIS
结构
函数
genfis1
格式
fismat = genfis1(data)
fismat =
genfis1(data,numMFs,inmftype, outmftype)
说明
genfis1
为
anfis
训练生成一个
Sugeno
型作为初始条件的
FIS
结构(初始隶属函数)。<
/p>
genfis1(data,numMFs,inmftype, outmftype)
使用对数据的网格分割方法，从训练数据集生成一个
FIS
p>
结构。
Data
是训练数据矩阵，除最后一
列表示单一输出数据外，它的其它各列表示输入数据。
NumMFs
是一个向
量，它的坐标指定与每一输入相关的隶属函数的数量。如果你想使用每个输
入相关的相同数量的隶属函数，
那么只须使
numMFs
成为一个数就足够了。
Inmftype
是一
个字符串数组，它的每行指定与每个输入相关的
隶属函数类型。
outmftype
是一个字符串数组，它的指定与每个输出相关的隶属函数类型
例
6-19
>>data = [rand(10,1) 10*rand(10,1)-5
rand(10,1)];
>>numMFs = [3 7];
>>mfType = str2mat('pimf','trimf');
>>fismat = genfis1(data,numMFs,mfType);
>> [x,mf] = plotmf(fismat,'input',1);
>>subplot(2,1,1), plot(x,mf);
>>xlabel('input 1 (pimf)');
>>[x,mf] = plotmf(fismat,'input',2);
>>subplot(2,1,2), plot(x,mf);
>>xlabel('input 2 (trimf)');
6.2.2
使用减法聚类方法从数
椐生成
FIS
结构
函数
genfis2
格式
fismat =
genfis2(Xin,Xout,radii)
fismat =
genfis2(Xin,Xout,radii,xBounds)
fismat = genfis2(Xin,Xout,radii,xBounds,options)
说明
Xin
是一个矩阵，它的每一行
包含一个数据点的输入值；
Xout
是一个矩阵，它的每一行包
含一个数
据点的输出值；
randi
是
一个向量，它指定一个聚类中心在一个数据维上作用的范围，这里假定数据位于
一个单位
超立方体内：
xBounds
是一个
2
×
N
可选矩阵，它用于指定如何将
Xi
n
和
Xout
中的数据映射到一
个超立方体内，这里是数据的维数(行数)；
options
是一个可选向量，它指定的值用于覆盖算法参数的
缺省值。<
p>
fismat = genfis2(Xin,Xout,0.5) <
/p>
这是使用此函数所需的最小变量数。这里对所有数据维指定
0.5
的作用范围。
fismat =
genfis2(Xin,Xout,[0.5 0.25 0.3])
这里假定组合
的维数是
3
。假设
Xin
有两维、
Xout
有一维，那么，
<
br>0.5
和
0.25
是<
p>
Xin
数据维中每一维的作
用范围，
0.3
是
Xout
数据维的
作用范围。
fismat =
genfis2(Xin,Xout,0.5,[-10 -5 0; 10 5 20])
<
br>这里指定了如何将
Xin
和
Xo
ut
中的数据规范化为
[0 1]
区间
中的值来进行处理。假设
Xin
有两维、
Xout
有
一维，那么
Xin
第一列中的数据是从
[-10 +10]
比例
变换后的值，
Xin
第二列中的数据是从
[-5 +5]
比例变换
后的值，
X
out
中的数据是从
[0
20]
比例变换后的值。
6.2.3
生成一个
FIS
输出曲面
函数
gensurf
格式
gensurf(fis) %
使用前两个输入和第一个输出来生成给定模糊推理系统
(fis)
<
br>的输出曲面
gensurf(fis,inputs,output) %
使用分别由向量
p>
input
和标量
output<
p>
给定的输入(一个或两个)和输出(只
允许一个)来生成一个图形。
gensurf(fis,inputs,output,grids) %
指定<
/p>
X
(第一、水平)和
Y
<
br>(第二、垂直)方向的网格数。如果是二
元向量，
X
p>
和
Y
方向上的网格可以独立设置。
gensurf(fis,inputs,output,grids,refinput) %
用于多于两个的输入，
refinput
向量的
长度与输入相同：
·
将对应于要显示
的输入的
refinput
项，设置为
NaN;
·
对其它输入的固定值设置为双精度实标量。
[x,y,z]=gensurf(…)
%
返回定义输出曲面的变量并且删除自动绘图。
例
6-21
>>a =
readfis('tipper');
>>gensurf(a)
6.2.4
将
mamdan
型
FIS
转换为
Sug
eno FIS
函数
mam2sug
格式
sug_fis=mam2sug(mam_fis)
说明
该函数将一个
<
br>mamdani
型
FIS
结构(
不必是单输出)
mam_fis
转化为一个
sugeno
型结构
sug_fis
。返
回的
sugeno
型系统具有常
值输出隶属度函数。这些常值由原来
mamdani
型系统的后
件的隶属度函数的面
积中心法来确定。前件仍保持不变。
6.2.5
完成模糊推理计算
函数
evalfis
格式
output=
evalfis(input,fismat)
output=
evalfis(input,fismat, numPts)
[output, IRR, ORR, ARR]= evalfis(input,fismat)
[output, IRR, ORR, ARR]=
evalfis(input,fismat, numPts)
说明
input
：指定输入值的一个
数或一个矩阵，如果输入是一个
M×
N
矩阵，其中
N
是输入变量数，那么
ev
alfis
使用
input
的每一行
作为一个输入向量，并且为变量
output
返回
M×
L
矩阵，该矩阵每一行是一个向
量并且
L
是输出变量数；
<
/p>
fismat
：要计算的一个
FIS
p>
结构；
numPts
：一个可选变量，它表示在输入或输出范围内的采样点数，在这些点上计算隶属函数，如果
<
br>
不使
用此变量，就使用
101
点的缺省值。
Evalfis
的值域如下：
Output
：大小为
ML
<
br>的输出矩阵，这里
M
表示前面指定的输入值的数量，
p>
L
表示
FIS
的
输出变量数。
evalfis
的可选
值域变量只有当
input
是一个行向量时才计算这些可选值域
变量是：
IRR
：通过隶属函数计算
的输入变量的结果，这是一个大小为
numRulesN
的矩阵
，这里
numRules
是规则
条数，
N
是输入变量数。
<
br>ORR
：通过隶属函数计算的输出变量的结果，这是一个大小为
<
br>numPtsnumRulesL
的矩阵，这里
numR
ules
是规则条数，
L
是输出变量数
，此矩阵的第一组
numRules
列，对应于第一个输出，第
二组
numRules
对应
于第二个输出，依次类推。
p>
ARR
：对每个输出，在输出值域中，
nu
mPts
处采样合成值的
numPtsL
矩阵，当只有一个值域变量调用时，
该函数使用由结构
fis
mat
指定的模糊推理系统，由标量或矩阵
inout
指定的输入值计算输出向量
output
。
p>
360
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
