matlab神经模糊推理系统

最新推荐文章于 2024-03-14 19:47:12 发布

原创最新推荐文章于 2024-03-14 19:47:12 发布 · 1.3k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #神经模糊推理系统

matlab 专栏收录该内容

197 篇文章

订阅专栏

该博客介绍了如何运用T_S模糊模型和anfis函数进行数据建模。首先，通过genfis1函数从训练数据生成模糊推理系统，然后利用anfis进行神经模糊建模，经过40次训练迭代优化模型。博客展示了训练和测试数据的分布、隶属度函数变化、训练误差及最终模型输出，并讨论了模型的预测能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

%数据点个数51 
numpts=51; 
x1=linspace(0,1,numpts); 
y=.6*sin(pi*x1)+.3*sin(3*pi*x1)+.1*sin(5*pi*x1); 
data=[x1' y'];     %整个数据集 
trndata=data(1:2:numpts,:);    %训练数据集 
chkdata=data(2:2:numpts,:);    %测试数据集 
%训练数据和检验数据的分布曲线 
plot(trndata(:,1),trndata(:,2),'o',chkdata(:,1),chkdata(:,2),'x') 
 
%建立T_S模糊模型 
%采用genfis1()函数直接由训练数据生成模糊推理系统 
nummfs=5;           %隶属度函数个数 
mftype='gbellmf';    %隶属度函数类型 
fismat=genfis1(trndata,nummfs,mftype); 

%绘制模糊推理系统的初始隶属度函数 
[x,mf]=plotmf(fismat,'input',1); 
figure 
plot(x,mf); 
title('initial menbership functions') 
 
%使用函数anfis()进行神经模糊建摸 
numepochs=40;   %训练次数40 
[fismat1,truerr,ss,fismat2,chkerr]=anfis(trndata,fismat,numepochs,nan,chkdata); 
%计算训练后神经模糊系统的输出与训练数据的均方根误差 
trnout=evalfis(trndata(:,1),fismat1); 
trnrmse=norm(trnout-trndata(:,2))/sqrt(length(trnout)); 

%绘制训练过程中均方根误差的变化情况 
epoch=1:numepochs; 
figure 
plot(epoch,truerr,'o',epoch,chkerr,'x') 
hold on 
plot(epoch,[truerr,chkerr]); 
hold off 


%绘制训练过程中的步长的变化的情况 
figure 
plot(epoch,ss,'-',epoch,ss,'x'); 

%绘制训练后模糊推理系统的隶书度函数曲线 
[x,mf]=plotmf(fismat1,'input',1); 
figure 
plot(x,mf) 
title('fiual membership function'); 

%绘制神经模糊推理系统的输出曲线 
anfis_y=evalfis(x1,fismat1); 
figure 
plot(x1,y,'-',x1,anfis_y,'x');