在命令行构建模糊系统
您可以在MATLAB®命令行上构建一个模糊推理系统(FIS)。这种方法是交互式设计您的FIS使用的一种替代方法模糊逻辑设计。
这个例子向您展示了如何创建Mamdani模糊推理系统。在创建Mamdani FIS时，所使用的方法也适用于创建Sugeno系统。
命令行提示问题
为了演示用于创建和查看模糊推理系统的命令行功能，本示例使用了提示器FIS。
fis = readfis（“tipper.fis”）;
该命令返回mamfis对象，该对象包含模糊系统的属性。对于Sugeno系统，此命令返回asugfis目的。
您可以使用点表示法访问FIS属性。例如，查看模糊系统的输入。
fis.inputs.
ANS = 1x2 FISVAR阵列具有属性：名称范围成员身份功能详细信息：名称范围成员身份功能_________ _______ __________________ 1“服务”0 10 {1x3 fismf} 2“食物”0 10 {1x2 fismf}
要设置模糊系统的属性，请使用点符号。例如，设置FIS的名称。
fis.name =“追悼”；
FIS对象
您代表了模糊推理系统使用mamfis和sugfis对象。这些对象包含所有模糊推理系统信息，包括变量名称，隶属函数定义和模糊推断方法。每个FIS都是物体的层次结构。在模糊系统中使用以下对象：
通过直接列出FIS的属性来查看它的所有信息。
FIS.
FIS = MAMFIS具有属性：名称：“小费”和方法：“min”ormethod：“max”amolicationmethod：“min”聚合方法：“max”defuzzificationmethod：“质心”输入：[1x2 fisvar]输出：[1x1 fisvar]规则：[1x3 fisrule] DisableStructuralChecks：0请参见“GetTunablyEtsing”参数优化方法。
可以使用点表示法查看FIS对象中的对象属性。例如，查看fisvar对象的第一个输入变量。
FIS.INPUTS（1）
ans = fisvar with properties: Name: "service" Range: [0 10] MembershipFunctions: [1x3 fismf]
另外，查看此变量的成员关系函数。
fis.inputs（1）.MembershipFunctions
ans = 1x3 fismf arrum与属性：类型参数名称详细信息：名称类型参数___________ ______________________ 1“差”“Gaussmf”1.5 0 2“良好”Gaussmf“1.5 5 3”优秀“Gaussmf”1.5 10
系统显示功能
要从命令行获得模糊系统的高级视图，请使用Plotfis.那plotmf,Gensurf.功能。Plotfis.将整个系统显示为框图，如图所示模糊逻辑设计。
plotfis (fis)
这plotmf函数绘制与给定变量关联的所有成员函数。例如，查看第一个输入变量的成员关系函数。
plotmf (fis,'输入'，1)
类似地，要查看第一个输出的成员资格函数，请键入：
plotmf (fis,'输出'，1)
plotmf不支持查看Suge金宝appno系统的输出成员函数。
查看模糊系统的规则，输入:
fis.rules.
ans = 1 x3 fisrule数组属性:前期顺向体重连接细节描述:描述 __________________________________________________________ 1”服务= =差= = |食品酸败= >提示=廉价(1)”2 "服务==好=>小费=平均(1)"“服务==出色的|食物==美味的>小费=慷慨的(1)”
这Gensurf.函数绘制任意一个或两个输入变量的FIS输出。
gensurf (fis)
构建模糊推理系统
作为使用的替代方案模糊逻辑设计应用程序，您可以完全从命令行构建FIS。
首先，创建一个Mamdani FIS，指定它的名称。
fis = mamfis ('姓名'那“蒂珀”）;
为使用的服务质量添加第一个输入变量addInput.。
fis = addinput（fis，[0 10]，'姓名'那“服务”）;
为每个服务质量级别添加成员函数addmf.。在这种情况下，请使用高斯成员函数。有关高斯成员函数属性的更多信息，请参阅gaussmf。
fis = addMF (fis,“服务”那“gaussmf”1.5 [0],'姓名'那“穷”）;fis = addMF (fis,“服务”那“gaussmf”(1.5 - 5),'姓名'那“好”）;fis = addMF (fis,“服务”那“gaussmf”1.5 [10],'姓名'那“优秀”）;
为食品质量添加第二个输入变量，并添加两个梯形隶属函数。有关梯形隶属函数的信息，请参阅trapmf。
fis = addinput（fis，[0 10]，'姓名'那“食物”）;fis = addMF (fis,“食物”那“trapmf”，[-2 0 1 3]，'姓名'那“讨厌的”）;fis = addMF (fis,“食物”那“trapmf”，[7 9 10 12]，'姓名'那“美味的”）;
为提示添加输出变量，并添加三个三角成员关系函数。有关三角隶属函数的更多信息，请参见修剪。
fis = addOutput(fis，[0 30]，'姓名'那“提示”）;fis = addMF (fis,“提示”那“trimf”, [0 5 10],'姓名'那“便宜的”）;fis = addMF (fis,“提示”那“trimf”(10 15 20),'姓名'那“平均”）;fis = addMF (fis,“提示”那“trimf”(20 25 30),'姓名'那“慷慨”）;
为FIS指定以下三个规则作为数字数组:
如果(服务差)或(食物腐臭)，那么(小费便宜)。
如果（服务很好），那么（提示平均）。
如果(服务很好)或(食物很美味)，那么(小费就很多了)。
数组的每一行都包含以下格式的一个规则。
第1列-第一个输入的成员函数的索引
列2 -第二次输入的成员函数的索引
第3列-输出成员函数的索引
第4栏-规则权重(来自
0.到1的）第5列-模糊算子(
1为,2或)
对于隶属函数指标，使用负值表示不条件。有关模糊规则规范的更多信息，请参阅addrule.。
规则列表= [1 1 1 1 2;2 0 2 1 1;3 2 3 1 2];
在FIS中添加规则。
ruleList fis = addRule (fis);
或者，您可以使用点表示法的组合来创建模糊推理系统fisvar那Fismf.,Fisrule.对象。此方法对大多数应用程序来说不是一个很好的做法。但是，当您的应用程序在构建和修改FIS方面需要更大的灵活性时，您可以使用此方法。
创建模糊推理系统。
fis = mamfis ('姓名'那'蒂珀'）;
添加和配置第一个输入变量。在这种情况下，创建默认值fisvar对象，并使用点表示法指定其属性。
FIS.INPUTS（1）= FISVAR;fis.inputs（1）.name =“服务”；fis.Inputs(1)。范围= [0 10];
定义第一个输入变量的隶属函数。对于每个MF，创建一个Fismf.对象，并使用点表示法设置属性。
fis.Inputs (1) .MembershipFunctions (1) = fismf;fis.Inputs (1) .MembershipFunctions(1)。Name =“穷”；FIS.INPUTS（1）.membershipfunctions（1）.type =“gaussmf”；fis.Inputs (1) .MembershipFunctions(1)。参数= [1.5 0];fis.Inputs (1) .MembershipFunctions (2) = fismf;.MembershipFunctions fis.Inputs(1)(2)。Name =“好”；.MembershipFunctions fis.Inputs(1)(2)。类型=“gaussmf”；.MembershipFunctions fis.Inputs(1)(2)。参数= [1.5 5];fis.Inputs (1) .MembershipFunctions (3) = fismf;fis.Inputs (1) .MembershipFunctions(3)。Name =“优秀”；fis.Inputs (1) .MembershipFunctions(3)。类型=“gaussmf”；fis.inputs（1）.MembershipFunctions（3）.Parameters = [1.5 10];
添加和配置第二输入变量。对于此变量，在创建时指定名称和范围fisvar目的。
input (2) = fisvar([0 10]，'姓名'那“食物”）;
为第二个输入指定成员函数。属性时，为每个MF指定名称、类型和参数Fismf.目的。
fis.Inputs (2) .MembershipFunctions (1) = fismf (“trapmf”，[-2 0 1 3]，......'姓名'那“讨厌的”）;fis.Inputs (2) .MembershipFunctions (2) = fismf (“trapmf”，[7 9 10 12]，......'姓名'那“美味的”）;
同样，添加和配置输出变量及其成员资格函数。
fis.outputs（1）= fisvar（[030]，'姓名'那“提示”）;
在本例中，使用的向量指定输出成员函数Fismf.对象。
mf1 = fismf (“trimf”, [0 5 10],'姓名'那“便宜的”）;mf2 = fismf (“trimf”(10 15 20),'姓名'那“平均”）;mf3 = fismf (“trimf”(20 25 30),'姓名'那“慷慨”）;fis.Outputs(1)。MembershipFunctions = [mf1 mf2 mf3];
为模糊系统创建规则。为每个规则创建Fisrule.目的。然后，使用这些对象的向量指定规则。创建A.Fisrule.对象时，必须指定输入变量的数量。
rule([1 1 1 1 2]，2);Rule2 = ([2 0 2 1 1]，2);Rule3 = fisrule([3 2 3 1 2]，2);= [rule1 rule2 rule3];
在将规则添加到模糊系统之前，必须使用FIS对象中的数据更新它们。使用该规则更新规则更新功能，并将其添加模糊系统。
规则=更新（规则，FIS）;fis.rules =规则;
在构造模糊系统时，您还可以指定自定义成员函数和推理功能。有关更多信息，请参阅使用自定义功能构建模糊系统。
评价模糊推理系统
为了评估一个给定输入组合的模糊系统的输出，使用evalfis.命令。例如,评估FIS.使用输入变量值1和2。
evalfis（FIS，[1 2]）
ans = 5.5586
还可以使用数组计算多个输入组合，其中每一行表示一个输入组合。
输入= [3 5;2 7;3 1];输入evalfis (fis)
ans =3×112.2184 7.7885 8.9547
也可以看看
mamfis|sugfis|Plotfis.|plotmf|Gensurf.|evalfis.
相关的话题
你也可以从以下列表中选择一个网站:
