自适应神经模糊系统-matlab的介绍
本帖最后由 牛小贱 于 2015-3-6 11:05 编辑%自适应神经模糊系统
% 利用genfis1 函数产生一个两个输入——单个输出的模糊推理系统。其中要求输入隶属度函数分别为PI形（primf）和三角形(trimf)
%分隔数分别为3和7
%fismat = genfis1(data,numMFs,inmftype,outmftype)%详细看帮助里的gensil
%data=;
%nuMFs=;
%mftype=str2mat('pimf','trimf');
%outtype=str2mat('linear');
%fismat=genfis1(data,nuMFs,mftype,outtype); %anifs()自适应神经模糊系统的建模函数
%返回结果是生成的模糊推理系统矩阵
% plotmf(fismat,'input',1); % Plot all membership functions for given variable
% plotmf(fismat,varType,varIndex)
%在matlab 中提供了基于Taagi——Sugeno 型的自适应神经模糊推理系统ANFIS 的建模方法、该方法利用ＢＰ算法
%最小二乘算法来完成对输入。输出数据的建模。通过学习可以计算出隶属度函数的最佳参数，是的设计出来的Taagi——Sugeno 型
%模糊推理系统能够最好的模拟希望的或者实际的输出、输入关系、
%调用格式
% = anfis(trnData,numMFs,trnOpt,dispOpt,chkData,optMethod)
%说明：１）trnData: the name of a training data set. This matrix contains data input in all
% but the last column. The last column contains a single vector of
% output data.仅支持多输入单输出情况
% ２）initFis: the name of a fuzzy inference system (FIS) used to provide anfis with an initial
% set of membership functions for training. Without this option,事先用genfis1
% 3) trnOpt: a vector of training options. When a training option is entered as NaN, the default
% tions is in force. These options are as follows:
% trnOpt(1): training epoch number (default: 10)
% trnOpt(2): training error goal (default: 0)
% trnOpt(3): initial step size (default: 0.01)
% trnOpt(4): step size decrease rate (default: 0.9)
% trnOpt(5): step size increase rate (default: 1.1)
% fis 为相对的系统 具体的看帮助
%例子：
x=0:1:10;Y=sin(2*x);
trndata=; %组成训练数据
nummfs=5;mftype=str2mat('gbellmf'); %输入隶属度函数的个数、类型
%outtype=str2mat('linear'); %输出通常是默认linear
inifis=genfis1(trndata,nummfs,mftype) %初始模糊推理系统
%训练的次数
trnopt=;
optmethod=1;
=anfis(trndata,inifis,trnopt,[],[],optmethod);
Y1=evalfis(x,fismat);
plot(x,Y,'b',x,Y1,':');grid on
legend('training data','Anifs ooutput')
东西很好，虽然现在我还看不太懂，我相信我以后未用到的。谢谢楼主分享。。 正在学习中{:{39}:} 谢谢谢谢~~~~~~~~~~~~ {:{51}:}
页:
[1]