基本FIS编辑器(MATLAB模糊逻辑工具箱函数)

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fuzzy('tipper')，弹出下图FIS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。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：NewmamdaniFIS…打开新mamdani型系统；NewSugenoFIS…打开新Sugeno型系统；Openfromdisk…从磁盘上打开指定的.fis文件系统；Savetodisk保存当前系统到磁盘上的一个.fis文件上；Savetodiskas…重命名方式保存当前系统到磁盘上；Openfromworkspace…从工作空间中指定的FIS结构变量装入一个系统；Savetoworkspace…保存系统到工作空间中当前命名的FIS结构变量中；Savetoworkspaceas…保存系统到工作空间中指定的FIS结构变量中；Closewindows关闭GUI；·Edit菜单包括：Addinput增加另一个输入到当前系统中；Addoutput增加另一个输出到当前系统中；Removevariable删除一个所选的变量；Undo恢复当前最近的改变；·View菜单包括：EditMFs…调用隶属度函数编辑器；Editrules…调用规则编辑器；Editanfis…只对单输出Sugeno型系统调用编辑器；Viewrules…调用规则观察器；Viewsurface…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：·Andmethod：为一个定制操作选择min、prod或Custom；·Ormethod：为一个定制操作选择max、probor（概率）或Custom；·Implicationmethod：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。·Aggregationmethod：为一个定制操作选择max、sum、probor或Custom。此项对Sugeno型模糊系统不可用。·Defuzzificationmethod：对Mamdani型推理，为一个定制操作选择centroid（面积中心法）、bisector（面积平分法）、mom（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Sugeno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a.fis中FIS结构的所有隶属函数。如图，mfedit('tank')以这种方式打开隶属函数编辑器并装入tank.fis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。·Edit菜单项包括：AddMF…为当前语言变量增加隶属度函数；AddcustomMF…为当前语言变量增加定制的隶属度函数；RemovecurrentMF删除当前的隶属度函数；RemoveallMFS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：EditFISproperties…调用FIS编辑器；Editrules…调用规则编辑器；Viewrules…调用规则观察器；Viewsurface…调用曲面观察器。6.2模糊推理结构FIS6.2.1不使用数据聚类方法从数据生成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）。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6-19data=[rand(10,1)10*rand(10,1)-5rand(10,1)];numMFs=[37];mfType=str2mat('pimf','trimf');fismat=genfis1(data,numMFs,mfType);[x,mf]=plotmf(fismat,'input',1);subplot(2,1,1),plot(x,mf);xlabel('input1(pimf)');[x,mf]=plotmf(fismat,'input',2);subplot(2,1,2),plot(x,mf);xlabel('input2(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Xin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。fismat=genfis2(Xin,Xout,0.5)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,[0.50.250.3])这里假定组合的维数是3。假设Xin有两维、Xout有一维，那么，0.5和0.25是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,[-10-50;10520])这里指定了如何将Xin和Xout中的数据规范化为[01]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，Xout中的数据是从[020]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)的输出曲面gensurf(fis,inputs,output)%使用分别由向量input和标量output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X（第一、水平）和Y（第二、垂直）方向的网格数。如果是二元向量，X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6-21a=readfis('tipper');gensurf(a)6.2.4将mamdan型FIS转换为SugenoFIS函数mam2sug格式sug_fis=mam2sug(mam_fis)说明该函数将一个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evalfis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；fismat：要计算的一个FIS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的输出矩阵，这里M表示前面指定的输入值的数量，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。ORR：通过隶属函数计算的输出变量的结果，这是一个大小为numPtsnumRulesL的矩阵，这里numRules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。ARR：对每个输出，在输出值域中，numPts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fismat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。例6-22fismat=readfis('tipper');out=evalfis([21;49],fismat)结果为out=7.016919.68106.2.6模糊c均值聚类函数fcm格式[center,U,obj_fcn]=fcm(data,cluster_n)说明对给定的数据集应用模糊c均值聚类方法进行聚类data：要聚类的数据集，每行是一个采样数据点；cluster_n：聚类中心的个数（大于1）center：迭代后得到的聚类中心的矩阵，这里每行给出聚类中心的坐标；U：得到的所有点对聚类中心的模糊分类矩阵或隶属度函数矩阵；Obj_fcn：迭代过程中，目标函数的值；fcm(data,cluster_n,options)使用可选的变量options控制聚类参数。包括停止准则，和/或设置迭代信息显示：options(1)：分类矩阵U的指数，缺省值是2.0；options(2)：最大迭代次数，缺省值是100；options(3)：最小改进量，即迭代停止的误差准则，缺省值是1e