论文部分内容阅读
摘 要：用模糊推理来完成学生综合成绩评估．并在Matlab中实现。
关键词：模糊推理 学生综合成绩评估 Matlab
中图分类号 G434 文献标识码 B 文章编号：1002-2422(2007)03-0042-02
由于模糊控制不需要知道被控对象(过程) 的数学模型。易于实现对具有不确定性的对象和具有强非线性的对象进行控制，而且对被控对象特性参数的变化具有较强的鲁棒性和抗干扰能力，因此将模糊控制应用于学生综合成绩评定是合理的。
1 模糊推理系统在Matlab中的实现
要使用模糊推理来对学生的综合成绩进行评定，首先需要建立一个模糊推理系统。步骤如下：
(1)确定输入和输出：
(2)添加输入／输出变量：
(3)指定隶属度函数；
(4)确定模糊推理规则：
(5)添加模糊规则到系统中。
其中模糊规则的确定可以基于专家知识或者实际操作经验。本系统中作者是根据自己的经验来确定的。
2 系统实现
系统有两个输入，分别为学生的学习成绩和德育成绩，输出为该学生的综合成绩。
(1)首先建立新的模糊推理系统
设FIS结构名为grade1：grade1=newfis(“grade1”)
这样就建立了一个Mamdani型的模糊推理系统。该系统中输入、输出、规则等未定义。
(2)添加输入／输出变量
给系统添加两个输入和一个输出，其输入变量名一个为“学习成绩”，输入范围为[0 100]，一个为“德育成绩”，输入范围为[0 100]，输出变量为“综合成绩”，变量范围为[0，100]。
grade1=addvar(gradel,input，学习成绩，[0 100]；
grade1=addvar(gradel,input，学习成绩，[60 90]；
grade1=addvar(gradel,input，学习成绩，[0 100]；
(3)给输入和输出指定模糊变量，并设计隶属度函数(可以绘制输／输出图形)
先给第一个输入变量(input1)定义了5个梯形隶属度函数：“优”，“良”，“中”，“及格”，“不及格”，其参数分别为：[90 95 100 100]、[85 92]、[70 75 85]、[55 65 72]、[0 0 60 65]。
grade1=addmf(grade1，input,1,优,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,良,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,中,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,及格,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,不及格,trapmf,[90 95 100 100]；
其中第一个和最后一个是梯形隶属度函数，中间的三个是三角形隶属度函数。
同样，给第二个输入变量(input2)表示的德育成绩，分了四个级别，定义了两个梯形隶属度函数和两个三角形隶属度函数：“优”，“良”，“中”，“差”参数为：[85 90 100 100]，[78 85 90]，[60 70 80]，[0 0 58 65]，对于output1，也是如此，其参数分别为：[88 95 100 100]，[75 83 90]，[65 7585]，[0 0 60 70]。
grade1=addmf(gradel,input,2,优，trapmf,[85 90 100 100]；
grade1=addmf(gradel,input,2,良,trapmf,[85 90 100 100])；
grade1=addmf(gradel,input,2,中,trapmf,[85 90 100 100])；
grade1=addmf(gradel,input,2,差,trapmf,[85 90 100 100])；
grade1=addmf(gradel，output，1，优，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，良，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，中，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，差，tmpmf，[88 95 100 100])；
(4)设计模糊推理规则，按照设计要求，可以得到如表1的模糊推理关系
关键词：模糊推理 学生综合成绩评估 Matlab
中图分类号 G434 文献标识码 B 文章编号：1002-2422(2007)03-0042-02
由于模糊控制不需要知道被控对象(过程) 的数学模型。易于实现对具有不确定性的对象和具有强非线性的对象进行控制，而且对被控对象特性参数的变化具有较强的鲁棒性和抗干扰能力，因此将模糊控制应用于学生综合成绩评定是合理的。
1 模糊推理系统在Matlab中的实现
要使用模糊推理来对学生的综合成绩进行评定，首先需要建立一个模糊推理系统。步骤如下：
(1)确定输入和输出：
(2)添加输入／输出变量：
(3)指定隶属度函数；
(4)确定模糊推理规则：
(5)添加模糊规则到系统中。
其中模糊规则的确定可以基于专家知识或者实际操作经验。本系统中作者是根据自己的经验来确定的。
2 系统实现
系统有两个输入，分别为学生的学习成绩和德育成绩，输出为该学生的综合成绩。
(1)首先建立新的模糊推理系统
设FIS结构名为grade1：grade1=newfis(“grade1”)
这样就建立了一个Mamdani型的模糊推理系统。该系统中输入、输出、规则等未定义。
(2)添加输入／输出变量
给系统添加两个输入和一个输出，其输入变量名一个为“学习成绩”，输入范围为[0 100]，一个为“德育成绩”，输入范围为[0 100]，输出变量为“综合成绩”，变量范围为[0，100]。
grade1=addvar(gradel,input，学习成绩，[0 100]；
grade1=addvar(gradel,input，学习成绩，[60 90]；
grade1=addvar(gradel,input，学习成绩，[0 100]；
(3)给输入和输出指定模糊变量，并设计隶属度函数(可以绘制输／输出图形)
先给第一个输入变量(input1)定义了5个梯形隶属度函数：“优”，“良”，“中”，“及格”，“不及格”，其参数分别为：[90 95 100 100]、[85 92]、[70 75 85]、[55 65 72]、[0 0 60 65]。
grade1=addmf(grade1，input,1,优,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,良,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,中,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,及格,trapmf,[90 95 100 100]；
grade1=addmf(grade1，input,1,不及格,trapmf,[90 95 100 100]；
其中第一个和最后一个是梯形隶属度函数，中间的三个是三角形隶属度函数。
同样，给第二个输入变量(input2)表示的德育成绩，分了四个级别，定义了两个梯形隶属度函数和两个三角形隶属度函数：“优”，“良”，“中”，“差”参数为：[85 90 100 100]，[78 85 90]，[60 70 80]，[0 0 58 65]，对于output1，也是如此，其参数分别为：[88 95 100 100]，[75 83 90]，[65 7585]，[0 0 60 70]。
grade1=addmf(gradel,input,2,优，trapmf,[85 90 100 100]；
grade1=addmf(gradel,input,2,良,trapmf,[85 90 100 100])；
grade1=addmf(gradel,input,2,中,trapmf,[85 90 100 100])；
grade1=addmf(gradel,input,2,差,trapmf,[85 90 100 100])；
grade1=addmf(gradel，output，1，优，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，良，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，中，tmpmf，[88 95 100 100])；
grade1=addmf(gradel，output，1，差，tmpmf，[88 95 100 100])；
(4)设计模糊推理规则，按照设计要求，可以得到如表1的模糊推理关系