Определите обучающие данные.

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

Сгенерируйте систему нечеткого вывода.

fis = genfis(inputData,outputData);

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

Определите обучающие данные.

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

Создайте genfisOptions по умолчанию набор опций для секционирования сетки.

opt = genfisOptions('GridPartition');

Задайте следующие входы функции принадлежности для сгенерированной FIS:

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

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Постройте график входа функций принадлежности. Каждый переменный вход имеет заданное количество и тип входа функций принадлежности, равномерно распределенных по их входу областью значений.

[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 входные и выходные обучающие данные.

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

Создайте genfisOptions набор опций и определение области значений влияния для каждой размерности данных. Задайте 0.5 и 0.25 как область значений влияния для первой и второй входных переменных. Задайте 0.3 как область значений влияния на данные выходы.

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

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Сгенерированный FIS содержит по одному правилу 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 опций для кластеризации FCM, задающий тип Mamdani FIS.

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

Укажите количество кластеров.

opt.NumClusters = 3;

Подавить отображение информации о итерации в Командном окне.

opt.Verbose = 0;

Сгенерируйте FIS.

fis = genfis(inputData,outputData,opt);

Сгенерированный FIS содержит по одному правилу 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 график входа и вывода функций принадлежности.

[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 FIS типа 2 из входных/выходных данных, необходимо сначала создать FIS типа 1 с помощью genfis.

Загрузите обучающие данные и сгенерируйте FIS с помощью вычитающей 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 FIS типа 2.

fisT2 = convertToType2(fisT1);

Поскольку начальный FIS типа 1 является системой Sugeno, только входные MF преобразуются в MF типа 2.