testing.m

协同模糊聚类建模通过特征选择和协同模糊聚类的模糊建模方法构建T-S模型

%本函数实现了,通过加权平局法计算模糊模型的输出
%输入数据:
%x:数据矩阵,每一行代表一个特征
%w:每条规则的权重,是一个列向量
%c:规则的个数
%th:模糊模型的后件参数,是一个矩阵,每一列代表一个规则的后件参数
%sigma:模糊模型的前件参数,是一个矩阵,每一行代表一个规则的前件参数
%v:原形矩阵,每一行代表每个规则中特征向量的中心
%输出数据:
%testy:对应于输入数据x的每一列,通过模糊模型得到的输出,是一个行向量
function testy=measureyz(x,w,c,th,sigma,v)
n=size(x,2);
datasize=size(x,1);

%--------------------------------------------
%计算BET:代表对应此广义输入向量的第i条规则的适应度
for i=1:c
    FI=diag(sigma(i,:));
     for k=1:n
         BET(i,k)=w(i)*exp(-(x(:,k)-v(i,:)')'*inv(FI)*(x(:,k)-v(i,:)')*0.5);
     end
end

%--------------------------------------------
%计算模型输出y
for k=1:n
    testyup=0;
    testydown=0;
    for i=1:c
        testyup=testyup+(w(i)*BET(i,k)*([x(:,k)' 1]*th(:,i)));
        testydown=testydown+(w(i)*BET(i,k));
    end
    testy(k)=testyup/testydown;
end