2021年2月10日发(作者：产生)

基本

FIS

编辑器

函数

fuzzy

格式

fuzzy %

弹出未

定义的基本

FIS

编辑器

fuzzy(fismat) %

使用

<

br>fuzzy('tipper')

，弹出下图

FIS

p>

编辑器。

编辑

器是任意模糊推理系统的高层显示，它允许你调用各种其它的编辑器来对其操作。此界面允许你方便

地访问所有其它的编辑器，并以最灵活的方式与模糊系统进行交互。

方框图：窗口上方的方框图显示了输入、输出和它们中间的模糊规则处理器。单击任意一个变量

框，使选

中的方框成为当前变量，此时它变成红色高亮方框。双击任意一个变量，弹出隶

属度函数编辑器，双击模

糊规则编辑器，弹出规则编辑器。

<

/p>

菜单项：

FIS

编辑器的菜单棒允许你打

开相应的工具，打开并保存系统。

·

File

菜单包括：

New

mamdani FIS …

打开新

mamdani

型系统；

New Sugeno FIS

…

打开新

Sugeno

型系统；

Open from disk

…

从磁盘上打开指定的

.fis

文件系统；

Save to

disk

保存当前系统到磁盘上的一个

.fis

文件上；

Save to disk as

…

重命名方式保存当前系统到磁盘上；

Open from workspace …

从工作空间中指定的

FIS

结构变量装入一个

系统；

Save to workspace

…

保存系统到工作空间中当前命名的

FIS

结构变量中；

Save

to workspace as …

保存系统到工作空

间中指定的

FIS

结构变量中；

Close windows

关闭

GUI

；

·

Edit

菜单包括：

Add input

增加另一个输入到当前系统中；

Add output

增加另一个输出到当前系统中；

Remove variable

删除一个所选的变量；

Undo

恢复当前最近的改变；

·

View

菜单包括：

Edit MFs

…

调用隶属度函数编辑器；

Edit rules …

调用规则编辑器；

Edit

anfis …

只对单输出

Su

geno

型系统调用编辑器；

View rules …

调用规则观察器；

View

surface …

调用曲面观察器。

弹出式菜单：用五

个弹出式菜单来改变模糊蕴含过程中五个基本步骤的功能：

·

And method

：为一个定制

操作选择

min

、

prod<

p>

或

Custom

；

·

Or method

：为一个定制操

作选择

max

、

probor

(概率)或

Custom

；

·

Implication method

：为一个定制操作选择

min

、

prod

或

Custom

；此项对

Sugeno

型模糊系统不可用。

·

Aggregation method

：为一个定制操作选择

max

、

s

um

、

probor

或

Custom

。此项对

Sugeno

<

br>型模糊系统不可

用。

·

Defuzzification method<

p>

：对

Mamdani

型推理，为一个定制操作选择

centroid

(面积中心法)、

b

isector

(面

积平分法)、

mo

m

(平均最大隶属度法)、

som

(最

大隶属度最小值法)、

lom

(最大隶属度最大值法)

或

Custom

。对

S

ugeno

型推理，在

wtaver

(

加权平均)或

wtsum

(加权和)之间选择。

6.1.15

隶属函数编辑器

函数

mfedit

格式

mfedit('a')

mfedit(a)

mfedit

说明

mfedit('a')

生成一

个隶属函数编辑器，他允许你检查和修改存储在文件

中

FIS

结构的所有隶属函

数。如图，<

p>

mfedit('tank')

以这种方式打开隶属函数编辑器并装入

p>

中存储的所有隶属函数。

mfedit(a)

对于

FIS

结构操作一个

MATLAB

工作空间变量

a

。

Mfedit

可单独弹出没有

装入

FIS

的隶属函数编

辑器

菜单项：在

ANFIS

编辑器

GUI

上，有一个菜单棒允许你打开相关的<

p>

GUI

工具、打开和保存系统等。

File

菜单与

FIS

编辑器上的

File

菜单功能相同。

·

p>

Edit

菜单项包括：

Add MF…

为当前语言变量增加隶属度函数；

Add custom MF…

为当前语言变量增加定制的隶属度函数；

Remove current MF

删除当前的隶属度函数；

Remove all MFS

删除当前语言变量的所有隶属度函数；

Undo

恢复当前最近的改变。

·

View

菜单项包括：

Edit FIS properties…

调用

FIS

编辑器；

<

br>

Edit rules…

调用规则编辑器；

View

rules…

调用规则观察器；

View surface…

调用曲面观察器。

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

<

br>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)。<

/p>

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

p>

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)');

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

Xi

n

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。<

p>

fismat = genfis2(Xin,Xout,0.5) <

/p>

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，

<

br>0.5

和

0.25

是<

p>

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])

<

br>这里指定了如何将

Xin

和

Xo

ut

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，

X

out

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)

<

br>的输出曲面

gensurf(fis,inputs,output) %

使用分别由向量

p>

input

和标量

output<

p>

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<

/p>

X

(第一、水平)和

Y

<

br>(第二、垂直)方向的网格数。如果是二

元向量，

X

p>

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)

6.2.4

将

mamdan

型

FIS

转换为

Sug

eno FIS

函数

mam2sug

格式

sug_fis=mam2sug(mam_fis)

说明

该函数将一个

<

br>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

ev

alfis

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；

<

/p>

fismat

：要计算的一个

FIS

p>

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

<

br>

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

<

br>的输出矩阵，这里

M

表示前面指定的输入值的数量，

p>

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。

<

br>ORR

：通过隶属函数计算的输出变量的结果，这是一个大小为

<

br>numPtsnumRulesL

的矩阵，这里

numR

ules

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。

p>

ARR

：对每个输出，在输出值域中，

nu

mPts

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

fis

mat

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

。

p>