matlab神经模糊推理系统

%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');

 

总结

以上是生活随笔为你收集整理的matlab神经模糊推理系统的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。