在命令行构建模糊系统
您可以在MATLAB®命令行构建一个模糊推理系统(FIS)。这种方法是交互式设计FIS使用的另一种方法模糊逻辑设计器．有关交互式构建FIS的示例，请参见使用模糊逻辑设计器构建模糊系统．
为了演示用于创建和查看模糊推理系统的命令行功能，本示例使用中定义的提示问题的解决方案模糊与非模糊逻辑．对于这个问题，我们用以下三个规则来定义给小费行为。
如果服务很差或者食物变质了，那么小费就很便宜。
如果服务很好，那么小费就一般了。
如果服务很好或者食物很美味，那么小费就会很慷慨。
虽然这个示例创建了一个type-1 Mamdani FIS，但使用的一般方法也适用于创建type-2和Sugeno系统。有关不同类型的模糊系统的更多信息，请参见Mamdani和Sugeno模糊推理系统而且2型模糊推理系统．
FIS对象
您使用mamfis，sugfis，mamfistype2,sugfistype2对象。这些对象包含了模糊推理系统的所有信息，包括变量名、隶属函数定义和模糊推理方法。每个FIS本身就是一个对象层次结构。在模糊系统中使用以下对象。
fisvar对象同时表示输入变量和输出变量。fismf对象表示每个输入和输出变量中的成员函数。2型模糊系统的使用fismftype2对象来表示成员关系函数。fisrule对象表示将输入映射到输出的模糊规则。
加载FIS。
Fis = readfis(“tipper.fis”）;
通过直接列出FIS的属性来查看它的所有信息。
金融中间人
fis = mamfis with properties: Name: "tipper" AndMethod: "min" OrMethod: "max" ImplicationMethod: "min" AggregationMethod: "max" DefuzzificationMethod: "centroid" DisableStructuralChecks: 0输入:[1x2 fisvar]输出:[1x1 fisvar]规则:[1x3 fisrule]参见' gettuntesettings '方法进行参数优化。
可以使用点表示法访问FIS对象内对象的属性。例如，查看fisvar对象作为第一个输入变量。
fis.Inputs (1)
名称:"service"范围:[0 10]MembershipFunctions: [1x3 fismf]
另外，查看此变量的成员函数。
fis.Inputs (1) .MembershipFunctions
类型参数名称详细信息:名称类型参数___________ _________ __________ 1 "poor" "gaussmf" 1.5 0 2 "good" "gaussmf" 1.5 5 3 "excellent" "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，plotmf,gensurf功能。plotfis将整个系统显示为框图。
plotfis (fis)
的plotmf函数绘制与给定变量相关的所有成员函数。例如，查看第一个输入变量的成员函数。
plotmf (fis,“输入”，1)
类似地，查看第一个输出变量的成员函数。
plotmf (fis,“输出”，1)
plotmf不支持查看Suge金宝appno系统的输出成员函数。
的gensurf函数为任何一个或两个输入变量绘制FIS的输出。
gensurf (fis)
查看模糊系统的规则。
金融中间人。规则
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= |美食=美味=>小费=慷慨(1)
建立模糊推理系统
作为使用的替代模糊逻辑设计器app，你可以完全从命令行构建一个FIS。
首先，创建一个Mamdani FIS，并指定它的名称。
Fis = mamfis(“名称”，“蒂珀”）;
为服务和食物质量添加输入变量。
fis = addInput(fis，[0 10]，“名称”，“服务”）;fis = addInput(fis，[0 10]，“名称”，“食物”）;
使用高斯隶属函数为每个服务质量级别添加隶属函数。有关高斯隶属函数的更多信息，请参见gaussmf．
fis = addMF(fis，“服务”，“gaussmf”1.5 [0],“名称”，“穷”）;fis = addMF(fis，“服务”，“gaussmf”(1.5 - 5),“名称”，“好”）;fis = addMF(fis，“服务”，“gaussmf”1.5 [10],“名称”，“优秀”）;
使用梯形隶属函数为每个食品质量级别添加隶属函数。有关梯形隶属函数的信息，请参见trapmf．
fis = addMF(fis，“食物”，“trapmf”，[-2 0 1 3]，“名称”，“讨厌的”）;fis = addMF(fis，“食物”，“trapmf”，[7 9 10 12]，“名称”，“美味”）;
为尖端添加输出变量，并为尖端级别添加三个三角形成员函数。有关三角隶属函数的更多信息，请参见trimf．
fis = addOutput(fis，[0 30]，“名称”，“小费”）;fis = addMF(fis，“小费”，“trimf”，[0 5 10]，“名称”，“便宜”）;fis = addMF(fis，“小费”，“trimf”，[10 15 20]，“名称”，“平均”）;fis = addMF(fis，“小费”，“trimf”，[20 25 30]，“名称”，“慷慨”）;
为FIS指定以下三条规则作为数字数组。
如果(服务差)或(食物发臭)，那么(小费就便宜了)。
如果(服务很好)，那么(小费也是一般的)。
如果(服务很好)或(食物可口)，那么(小费也很慷慨)。
数组的每一行包含如下格式的一条规则。
第1列-第一次输入的隶属度函数索引
第2列-第二次输入的隶属度函数索引
列3 -输出的隶属函数索引
第4列-规则权重(来自
0来1）第5列-模糊算子(
1为,2或)
对于隶属度函数指数，使用负值指示NOT条件。有关模糊规则规范的更多信息，请参见addRule．
ruleList = [1 1 1 1 1 2;2 0 2 1 1;3 2 3 1 2];
将规则添加到FIS中。
fis = addRule(fis,ruleList);
或者，您可以使用点表示法和的组合来创建模糊推理系统fisvar，fismf,fisrule对象。对于大多数应用程序来说，这种方法不是一个好的实践。但是，当应用程序在构造和修改FIS时需要更大的灵活性时，可以使用这种方法。
创建模糊推理系统。
Fis = mamfis(“名称”，“蒂珀”）;
添加并配置第一个输入变量。在本例中，创建一个默认值fisvar对象并使用点表示法指定其属性。
fisvar . input (1) = fisvar;fis.Inputs(1)。Name =“服务”；fis.Inputs(1)。Range = [0 10];
定义第一个输入变量的隶属度函数。对于每个MF，创建一个fismf对象，并使用点表示法设置属性。
fismf . inputs (1).MembershipFunctions(1) = fismf;fis.Inputs (1) .MembershipFunctions(1)。Name =“穷”；fis.Inputs (1) .MembershipFunctions(1)。类型=“gaussmf”；fis.Inputs (1) .MembershipFunctions(1)。参数= [1.5 0];fismf . 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];fismf . 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)。参数= [1.5 10];
添加并配置第二个输入变量。类时，为此变量指定名称和范围fisvar对象。
fis. input (2) = fisvar([0 10]，“名称”，“食物”）;
为第二个输入指定隶属度函数。类时，为每个MF指定名称、类型和参数fismf对象。
fismf . inputs (2).MembershipFunctions(1) = fismf(“trapmf”，[-2 0 1 3]，.．.“名称”，“讨厌的”）;fismf . inputs (2).MembershipFunctions(2) = fismf(“trapmf”，[7 9 10 12]，.．.“名称”，“美味”）;
类似地，添加并配置输出变量及其成员函数。
fisvar . outputs (1) = fisvar([0 30]，“名称”，“小费”）;
在本例中，使用向量指定输出成员函数fismf对象。
Mf1 = fismf(“trimf”，[0 5 10]，“名称”，“便宜”）;Mf2 = fismf(“trimf”，[10 15 20]，“名称”，“平均”）;Mf3 = fismf(“trimf”，[20 25 30]，“名称”，“慷慨”）;fis.Outputs(1)。MembershipFunctions = [mf1 mf2 mf3];
为模糊系统创建规则。为每个规则创建一个fisrule对象。然后，使用这些对象的向量指定规则。当创建fisrule对象使用数值时，必须指定输入变量的数目。
Rule1 = fisrule([1 1 1 1 2]，2);Rule2 = fisrule([2 0 2 1 1]，2);Rule3 = fisrule([3 2 3 1 2]，2);规则= [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。方法更新规则更新函数，并将其添加到模糊系统中。
规则=更新(规则，fis);金融中间人。规则=规则;
在构造模糊系统时，还可以指定自定义隶属函数和推断函数。有关更多信息，请参见使用自定义函数构建模糊系统．
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函数。例如，evaluate金融中间人使用输入变量值1和2。
[1 - 2] evalfis (fis)
Ans = 5.5586
还可以使用数组计算多个输入组合，其中每行代表一个输入组合。
输入= [3 5;2 7;3 1];输入evalfis (fis)
ans =3×112.2184 7.7885 8.9547
另请参阅
mamfis|sugfis|plotfis|plotmf|gensurf|evalfis
相关的话题
您也可以从以下列表中选择一个网站: