MATLAB函数gensurf,matlab模糊逻辑（二）

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