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)。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)');
结果为图6-21。
图6-21
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Xin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。
例6-20
fismat = genfis2(Xin,Xout,0.5)
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,0.5和0.25是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])
这里指定了如何将Xin和Xout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,Xout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)的输出曲面
gensurf(fis,inputs,output) %使用分别由向量input和标量output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X(第一、水平)和Y(第二、垂直)方向的网格数。如果是二元向量,X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)
结果为图6-22。
图6-22
6.2.4 将mamdan型FIS转换为Sugeno FIS
函数 mam2sug
格式 sug_fis=mam2sug(mam_fis)
说明 该函数将一个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evalfis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;
fismat:要计算的一个FIS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 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的输出矩阵,这里M表示前面指定的输入值的数量,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。
ORR:通过隶属函数计算的输出变量的结果,这是一个大小为numPtsnumRulesL的矩阵,这里numRules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。
ARR:对每个输出,在输出值域中,numPts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fismat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。
例6-22
>>fismat = readfis('tipper');
>>out = evalfis([2 1; 4 9],fismat)
结果为
out =
7.0169
19.6810
6.2.6