模糊神经网络工具箱应用(共8页).doc

精选优质文档-倾情为你奉上模糊神经网络工具箱应用一、数据归一化f个样本第j个指标的平均值：标准差为：原始数据标准化为：二、示例数据1.dat 训练样本0.5866 0.0613 0.628 30.1194 0.7945 0.6393 40.5924 0.0493 0.3306 30.2874 0.0467 0.7192 10.068 0.7802 0.4952 40.292 0.2465 0.856 10.06083 0.0135 0.5494 30.7959 0.5193 0.2956 20.129 0.8842 0.5453 40.1106 0.9974 0.6505 40.529 0.0903 0.405 30.0277 0.9516 0.6373 40.1626 0.908 0.5605 40.7772 0.9258 0 20.7072 0.8412 0.0164 20.4768 0.1135 0.7552 10.6227 0.1877 0.5709 30.7457 0.8759 0.2252 21 0.8762 0.0428 20.5705 0.1611 0.5312 30.5663 0.0097 0.4015 30.95 0.7581 0.4893 20.0508 0.7931 0.6053 40.6972 0.853 0.2436 20.4873 0.0439 0.9687 10.5563 0.0811 0.3493 30.1086 0.7891 0.6425 40.0913 0.7988 0.5244 40.073 0.7896 0.5794 4注：前三个数据为归一化后的数值，第四个数为所属类别。2.dat 测试样本0.5738 0.043 0.5176 10.6338 0.1579 0.4859 10.2884 0.4038 0.675 10.6179 0.0811 0.361 10.1493 0.8919 0.5527 10.8037 0.9295 0.1485 10.7686 1 0.1387 10.6016 0.0212 0.5826 10.0598 0.8793 0.6446 10.5027 0.2667 0.6802 10.5378 0.1892 0.5371 10.5384 0.1889 0.3673 10.4168 0.1336 0.9808 10.7905 0.5623 0.3593 10.1128 0.9051 0.6205 10.7209 0.4904 0.0189 10.1375 0.804 0.5139 10.5071 0 0.4789 10.109 0.8902 0.5096 10.7447 0.8512 0.1351 10.755 0.7896 0.2577 10.532 0.1012 0.6507 10.6627 0.0198 0.4389 10.5029 0.2078 1 10.3765 0.0195 0.8109 10 0.9817 0.5432 10.4258 0.1837 0.7317 10.6079 0.0877 0.483 10.6131 0.1923 0.6053 10.6279 0.1172 0.4522 1三、建立模糊神经网络过程1.在MATLAB命令行中输入：anfisedit图12.载入数据，选择“1.dat”图23.勾选“Grid partition”,单击“Generate FIS”，出现图4，参数如图设置设置好后，单击“ok”，返回。 图3 图44.执行“Edit”“FIS Properties”，出现图5，如图设置，设置完成单击“Close”。图55.单击“Structure”，观看神经网络结构。 图6 图76.如图进行参数设置，完成后单击“Train Now” 图8 图97.（1）图10为误差曲线，如图11设置，单击“Test Now”，查看训练效果（效果良好），图12。 图10 图11图12（2）执行菜单命令EditMembership Functions,查看FIS系统三个输入变量的隶属度函数。 （3）执行菜单命令Editrules，查看模糊规则8.如图13设置，先单击“Clear Plot”（图14），再单击“Load data”，载入“2.dat”（图15） 图13 图14 图159.单击“Test Now”，结果如图17所示 图16 图17专心-专注-专业