net_new.m

遗传算法和神经网络联合用于数据融合

function y=net_new(x,a,b,d)

%功能：神经网络计算
%由输入（x）和网络参数（a,b,d）计算网络输出   

%x(nx,mx)                       输入信号向量   nx：样本个数 2    mx：输入节点数
%y(nx,1)                   对应于样本的网络输出结果
%a(na,ma),b(nb,mb)              隶属函数中心值和宽度
%d(nd,md)                       输出层权值        nd=md=6

[nx,mx]=size(x);
[na,ma]=size(a);

y=zeros(nx,1);

if 2~=mx
    disp('net1函数出错,x列数应等于2');
    return;
end

if na~=mx
    disp('net1函数出错,x列数应等于a的行数');
    return;
end

[nb,mb]=size(b);
if nb~=mx
    disp('net1函数出错,x列数应等于b的行数');
    return;
end

[nd,md]=size(d);
if (nd~=ma) or (md~=ma)
    disp('net1函数出错,d行列数应等于a的列数');
    return;
end

for k=1:nx
    O2=zeros(mx,ma);
    for i=1:mx
        for j=1:ma
            temp=(x(k,i)-a(i,j))/b(i,j);
            temp=-1*temp^2;
            O2(i,j)=exp(temp);
        end
    end
    temp1=0.0;
    temp2=0.0;
    for h=1:ma
        for s=1:ma
           temp1=temp1+O2(1,h)*O2(2,s)*d(h,s);
           temp2=temp2+O2(1,h)*O2(2,s);
        end
    end
    y(k,1)=temp1/temp2;
end


%把Result结果统一到0 5之间的自然数
%   Rmin=min(y);
 %  Rmax=max(y);
  % for k=1:nx
  %     tmpp=y(k,1)-Rmin;
   %    tmpp=tmpp/(Rmax-Rmin);
    %   tmpp=tmpp*5;
     %  y(k,1)=int8(tmpp);
      % if tmpp<0.5
       %     y(k,1)=0;
       %end
%end