FIS学习——利用Matlab创建模糊推理系统Ⅱ

FIS学习——利用Matlab创建模糊推理系统Ⅱ

参数标定

对于FIS中隶属度函数的确定或是模糊规则if-then的确定，一般都是凭借设计人员的经验来确定这些参数，参数包括隶属度函数的类型，函数中的参数，规则的确定。但人的经验在模糊的问题上起到的作用很小，很难去确定系统的准确性。

因此，有许多参数标定的方法可以被使用，这方面的论文也有蛮多。一般都是利用大量的数据集去训练模型，让模型学习到一个最佳的参数集合状态。还有一种就是在没有输入输出训练数据集的时候，自定义cost函数，通过评估输出的cost，来优化参数。

讲解一下案例的代码

%Remove leading and trailing whitespace from the attribute names.
[data,name] = loadgas;  
name = strtrim(string(name)); %从属性名称中删除开头和结尾的空格

X = data（：，1：6）; 
Y = data（：，7）;
trnX = X（1：2：end，:); %训练输入数据集
trnY = Y（1：2：end，:); %训练输出数据集
vldX = X（2：2：end，:); %验证输入数据集
vldY = Y（2：2：end，:); %验证输出数据集百分比
%提取每个数据属性的范围，将在FIS构建期间将其用于输入/输出范围定义。
dataRange = [min（data）'max（data）&#