It's an anfis code for C++

安菲斯 使用oop范式开发的自适应神经模糊推理系统

基于改进模糊聚类与ANFIS的高速公路事件检测.pdf

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

偏小二乘法检验matlab代码PLSR-ANFIS 介绍 PLSR-ANFIS是一个 MATLAB 软件包，它同时使用偏最小二乘回归 (PLSR) 和自适应网络模糊推理系统 (ANFIS) 在一组自变量 ( X ) 和因变量之间建立预测模型。变量 ( Y )。 该模型采用如下两阶段方法： 阶段1： 第 1 部分：使用 PLSR，建立预测模型来估计Y。 这表示为YP 。 第 2 部分：使用 PLSR，建立预测模型来估计YP的误差。 这表示为ErrP或预测错误。 阶段 2：使用 ANFIS 建立预测模型来估计Y ，使用YP和ErrP作为其输入。 这表示为modYP 。 如何使用代码？ MCode 目录下有几个 MATLAB 代码可用。 两个主要功能是： [result, detail]=train_PLSR_ANFIS(X,Y,inputMFTypes,mfNum) 和 [modYP,YP,ErrP]=eval_PLSR_ANFIS(X,PLSR_ANFIS_Result) 顾名思义，第一个用于训练和建立建议的两阶段模型，第二个用于在新数据集上评估模型。 还有两个测试文件可用，展示了如何使

Matlab中用ANFIS做的函数逼近-新建文件夹.rar 由于模糊推理本身不具备自学习的功能，必须有丰富的专家经验才能得到满意的控制效果，而神经网络具备非常强的自组织自适应和自学习能力，可直接从样本中进行有效的学习。但它又不适于表达基于规则的知识，不能很好地表达人脑的推理能力。因此产生了基于网络的自适应模糊推理系统（Adaptive Neuro-Fuzzy Inference System）将二者有机地结合起来，可以用神经网络的学习机制补偿模糊控制系统原有的缺点。 所含文件： Matlab13.jpg

matlab中相关anfis的源程序，大家想学习的 可以下载看看

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

论文研究-基于RS-ANFIS的雷达抗干扰性能评估方法.pdf,  雷达抗干扰性能评估是雷达系统研制、引进、装备过程中必要的环节. 如何综合评估复杂电磁环境下的雷达抗干扰性能评估已成为研究的重点. 针对现有雷达抗干扰性能评估方法的特点和局限性, 提出了一种基于粗糙集-自适应神经网络模糊推理系统(RS-ANFIS)的性能评估方法. 首先, 针对原始样本数据的不完备性和不确定性, 采用粗糙集理论对原始样本数据进行数据归一化、 离散化、属性约简处理, 并得到覆盖原始样本特征的最小规则集. 其次, 建立了基于ANFIS的Sugeno型性能评估模型, 设计了评估变量的隶属度函数和推理规则, 确定了评估网络各层输入输出关系以及网络学习算法. 最后, 以12组雷达抗干扰性能评估指标为例进行算法模型验证, 表明了方法的可行性和模型的有效性. 实验结果表明, 该方法能够有效改进网络结构, 提高雷达抗干扰性能评估结果的可信度.

学习ANFIS（模糊神经推理系统）的好例子，来源于西电出版社的书，但是笨人仔细调试了的，很好的