FuzzyKNN matlab code

本文介绍了一种改进的K近邻算法——模糊K近邻(fuzzy KNN)的实现方法。该算法通过考虑距离权重及模糊参数调整来提高分类准确性。在训练样本集上进行搜索,计算测试样本与训练样本之间的欧氏距离,并基于距离计算每个测试样本的交互与非交互得分,最终确定预测标签。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

function predict_labels = fuzzyKNN(train_samples, k, fa, test_features)
% train_samples : samples_num * (feature_num + 1)
    feature_numPlus1 = size(train_samples, 2);
    train_features = train_samples(:, 1:feature_numPlus1-1);
    train_labels = train_samples(:, feature_numPlus1);
    [idx, dists] = knnsearch(train_features,test_features,'dist','euclidean','k', k);
    
    predict_labels = zeros(size(test_features, 1), 1);
    for tst = 1:size(test_features, 1)
        score_interaction = 0.0;
        score_noninteraction = 0.0;
        for R=1:10
            if train_labels(idx(tst, R), 1) == 1
                score_interaction = score_interaction + dists(tst, R).^(-2/(fa-1));
            else
                score_noninteraction = score_noninteraction + dists(tst, R).^(-2/(fa-1));
            end
        end
        if score_interaction > score_noninteraction
            predict_labels(tst, 1) = 1.0;
        else
            predict_labels(tst, 1) = 2.0;
        end
    end
end

j用MatlabFuzzy工具箱实现模糊控制-Fuzzy_Control.rar [url=http://blog.daviesliu.net/article/entry20050328-153616]用 MatlabFuzzy 工具箱实现模糊控制 [/url] 用 Matlab 中的 Fuzzy 工具箱做一个简单的模糊控制,流程如下: 1、创建一个 FIS 对象, a = newfis一般只用提供第一个参数即可,后面均用默认值。 2、增加模糊语言变量 a = addvar模糊变量有两类:input 和 output。在每增加模糊变量,都会按顺序分配一个 index,后面要通过该 index 来使用该变量。 3、增加模糊语言名称,即模糊集合。 a = addmf每个模糊语言名称从属于一个模糊语言。Fuzzy 工具箱中没有找到离散模糊集合的隶属度表示方法,暂且用插值后的连续函数代替。参数 mfType 即隶属度函数,它可以是 Gaussmf、trimf、trapmf等,也可以是自定义的函数。每一个语言名称也会有一个 index,按加入的先后顺序得到,从 1 开始。 4、增加控制规则,即模糊推理的规则。 a = addrule 其中 ruleList 是一个矩阵,每一行为一条规则,他们之间是 ALSO 的关系。 假定该 FIS 有 N 个输入和 M 个输出,则每行有 N M 2 个元素,前 N 个数分别表示 N 个输入变量的某一个语言名称的 index,没有的话用 0 表示,后面的 M 个数也类似,最后两个分别表示该条规则的权重和个条件的关系,1 表示 AND,2 表示 OR。例如,当“输入1” 为“名称1” 和 “输入2” 为“名称3” 时,输出为 “ 输出1” 的“状态2”,则写为:[1 3 2 1 1] 5、给定输入,得到输出,即进行模糊推理。 output = evalfis其中 fismat 为前面建立的那个 FIS 对象。一个完整的例子如下: matlab程序在附件里
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Jun-H

你的鼓励是我创作的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值