Задайте обучающие данные.

inputData = [rand(10,1) 10*rand(10,1)-5];
outputData = rand(10,1);

Сгенерируйте нечеткую систему вывода.

fis = genfis(inputData,outputData);

Сгенерированная система, fis, создается с помощью разделения сетки с опциями по умолчанию.

Задайте обучающие данные.

inputData = [rand(10,1) 10*rand(10,1)-5];
outputData = rand(10,1);

Создайте genfisOptions по умолчанию опция установлена для разделения сетки.

opt = genfisOptions('GridPartition');

Задайте следующие входные функции принадлежности для сгенерированного FIS:

opt.NumMembershipFunctions = [3 5];
opt.InputMembershipFunctionType = ["gaussmf" "trimf"];

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Постройте входные функции принадлежности. Каждая входная переменная имеет конкретное количество и тип входных функций принадлежности, равномерно распределенных по их входному диапазону.

[x,mf] = plotmf(fis,'input',1);
subplot(2,1,1)
plot(x,mf)
xlabel('input 1 (gaussmf)')
[x,mf] = plotmf(fis,'input',2);
subplot(2,1,2)
plot(x,mf)
xlabel('input 2 (trimf)')

Получите обучающие данные ввода и вывода.

load clusterdemo.dat
inputData = clusterdemo(:,1:2);
outputData = clusterdemo(:,3);

Создайте genfisOptions набор опции и указывает диапазон влияния за каждую размерность данных. Задайте 0.5 и 0.25 как область значений влияния за первые и вторые входные переменные. Задайте 0.3 как область значений влияния за выходные данные.

opt = genfisOptions('SubtractiveClustering',...
                    'ClusterInfluenceRange',[0.5 0.25 0.3]);

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Сгенерированный FIS содержит одно правило для каждого кластера.

showrule(fis)

ans = 3x83 char array
    '1. If (in1 is in1cluster1) and (in2 is in2cluster1) then (out1 is out1cluster1) (1)'
    '2. If (in1 is in1cluster2) and (in2 is in2cluster2) then (out1 is out1cluster2) (1)'
    '3. If (in1 is in1cluster3) and (in2 is in2cluster3) then (out1 is out1cluster3) (1)'

Получите входные и выходные данные.

load clusterdemo.dat
inputData = clusterdemo(:,1:2);
outputData = clusterdemo(:,3);

Создайте genfisOptions набор опции для Кластеризации FCM, задавая тип Mamdani FIS.

opt = genfisOptions('FCMClustering','FISType','mamdani');

Задайте количество кластеров.

opt.NumClusters = 3;

Подавите отображение информации об итерации к Командному окну.

opt.Verbose = 0;

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Сгенерированный FIS содержит одно правило для каждого кластера.

showrule(fis)

ans = 3x83 char array
    '1. If (in1 is in1cluster1) and (in2 is in2cluster1) then (out1 is out1cluster1) (1)'
    '2. If (in1 is in1cluster2) and (in2 is in2cluster2) then (out1 is out1cluster2) (1)'
    '3. If (in1 is in1cluster3) and (in2 is in2cluster3) then (out1 is out1cluster3) (1)'

Постройте функции принадлежности ввода и вывода.

[x,mf] = plotmf(fis,'input',1);
subplot(3,1,1)
plot(x,mf)
xlabel('Membership Functions for Input 1')
[x,mf] = plotmf(fis,'input',2);
subplot(3,1,2)
plot(x,mf)
xlabel('Membership Functions for Input 2')
[x,mf] = plotmf(fis,'output',1);
subplot(3,1,3)
plot(x,mf)
xlabel('Membership Functions for Output')

Чтобы создать тип 2 FIS из данных о вводе/выводе, необходимо сначала создать тип 1 FIS использование genfis.

Загрузите обучающие данные и сгенерируйте FIS использование отнимающей кластеризации.

load clusterdemo.dat
inputData = clusterdemo(:,1:2);
outputData = clusterdemo(:,3);
opt = genfisOptions('SubtractiveClustering',...
                    'ClusterInfluenceRange',[0.5 0.25 0.3]);
fisT1 = genfis(inputData,outputData,opt);
fisT1.Outputs

ans = 
  fisvar with properties:

                   Name: "out1"
                  Range: [-0.1274 1.1458]
    MembershipFunctions: [1x3 fismf]

Преобразуйте сгенерированный FIS в тип 2 FIS.

fisT2 = convertToType2(fisT1);

Начиная с начального типа 1 FIS является системой Sugeno, только вход MFs преобразован в MFS типа 2.