Matlab与自适应神经网络模糊推理系统，好，希望你有用。

自适应神经模糊推理系统（ANFIS）是一种能够进行函数逼近的计算工具，可以解决乳腺癌的分类问题。本实验设计了一种自适应神经模糊推理系统，用于乳腺癌分类问题。内附实验程序和实验报告，亲测完美运行。

Lua 的模糊推理系统 (FIS) 完全用 Lua 编写的简单模糊推理系统。 它使用离散步长（大小为 0.01）来获得最终的模糊集。 去模糊化使用质心方法获得输出值。 可以使用三个对象： F - 模糊集 L - 成员函数 R - FIS 规则 成员函数可以使用以下预定义的数学函数之一： 模糊高斯 模糊梯形 模糊三角形 可以使用模糊逻辑运算符定义规则：AND *、OR +、NOT - local rule = R ( 1 ) rule. premise = (service[ ' poor ' ] * food[ ' rancid ' ]) + ( - service[ ' excelent ' ]) rule. implication = tip[ ' cheap ' ] 您可以通过使用一组输入值调用模糊系统对象来获取输出值。 依赖关系 Lua 5.1.x 或 LuaJ

该档案库包含genfis4.m，该文件使用回归树算法生成Mamdani型和Sugeno型FIS，以从数据集中提取模糊规则信息。 它主要基于 Fuzzy Logic Toolbox，但需要修改 Toolbox 的模糊规则构建原理。 因此，一些原始的 m 文件适用于这种新的模糊规则结构。 它们用最后一个 'x' 符号标记并包含在存档中（例如，getfisx.m、evalfisx.m 等）尽管一些 Toolbox 的 m 文件仍然有效（例如，addvar.m、plotmf.m 等） 评论： - 在开始之前，您应该通过以下命令创建 MEX 文件： mex src/evalfisxmex.c 墨西哥 src/anfisxmex.c - 如果你想使用你自己的回归树算法，你需要重写 treefun.m（参见 example2.m 了解 MATLAB 的 fitrtree 用法）； - 有关模糊回归树的

从头开始：从头开始的自适应神经模糊推理系统。 内部所有代码，无依赖性

针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点，提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后，对其进行了MATLAB仿真和实测数据验证分析。结果表明，该模型具有很高的预测精度，在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。

：本文对常用的模糊推理系统进行了阐述，介绍了一种在模糊控制系统设计中构建 Takagi-Sugeno 型模糊推理系统的方法，使用了 MATLAB 的模糊工具箱Simulink 工具进行了仿真，效果是令人满意的。

随着射频功放非线性对射频前端的影响日益增大,使得功放建模变得越来越重要。提出了一种自适应模糊小波神经网络模型结构,并利用改进的粒子群优化算法,建立有记忆的功放模型。将小波函数融入到自适应模糊推理系统的模糊规则中,得到新的网络模型;在粒子群算法中引入最差位置影响因子,提高搜索效率,并进一步简化,忽略粒子的速度项,同时采用与适应度函数值相关的动态变化惯性权重,加快了收敛速度,避免出现"早熟"现象。仿真结果表明:该方法建立的功放模型误差小、精度高,能够有效地表征功放特性。

陈继光《Matlab与自适应神经网络模糊推理系统》电子书

该文件包中包含了6个文件，分别为不同的模糊推理系统，主要是用matlab编写的