T-S模糊神经网络算法

%数据点个数51 numpts=51;

x1=linspace(0,1,numpts);

y=.6*sin(pi*x1)+.3*sin(3*pi*x1)+.1*sin(5*pi*x1); data=[x1' y']; %整个数据集

trndata=data(1:2:numpts,:); %训练数据集 chkdata=data(2:2:numpts,:); %测试数据集 %训练数据和检验数据的分布曲线

plot(trndata(:,1),trndata(:,2),'o',chkdata(:,1),chkdata(:,2),'x')

%建立T_S模糊模型

%采用genfis1()函数直接由训练数据生成模糊推理系统 nummfs=5; %隶属度函数个数 mftype='gbellmf'; %隶属度函数类型 fismat=genfis1(trndata,nummfs,mftype); %绘制模糊推理系统的初始隶属度函数 [x,mf]=plotmf(fismat,'input',1); figure plot(x,mf);

title('initial menbership functions')

%使用函数anfis()进行神经模糊建摸 numepochs=40; %训练次数40

[fismat1,truerr,ss,fismat2,chkerr]=anfis(trndata,fismat,numepochs,nan,chkdata);

%计算训练后神经模糊系统的输出与训练数据的均方根误差 trnout=evalfis(trndata(:,1),fismat1);

trnrmse=norm(trnout-trndata(:,2))/sqrt(length(trnout));

%绘制训练过程中均方根误差的变化情况 epoch=1:numepochs; figure

plot(epoch,truerr,'o',epoch,chkerr,'x') hold on

plot(epoch,[truerr,chkerr]); hold off

%绘制训练过程中的步长的变化的情况 figure

plot(epoch,ss,'-',epoch,ss,'x');

%绘制训练后模糊推理系统的隶书度函数曲线 [x,mf]=plotmf(fismat1,'input',1); figure plot(x,mf)

title('fiual membership function'); %绘制神经模糊推理系统的输出曲线 anfis_y=evalfis(x1,fismat1); figure

plot(x1,y,'-',x1,anfis_y,'x');