一、模糊神經網絡FNN

模糊神經網絡（Fuzzy Neural Networks，FNN）結合了神經網絡系統和模糊系統的長處，它在處理非線性、模糊性等問題上有很大的優越性，在 智能信息處理方面存在巨大的潛力。原理參考：

MATLAB模糊神經網絡的預測算法–預測水質 - 知乎 (zhihu.com)

二、數據集

冷凍療法數據集（Cryotherapy Dataset）共有90個樣例，每個樣例有6個屬性，可分為2類。

部分數據如下：前六列為屬性，最后一列為類別。

1 35 12 5 1 100 0 1 29 7 5 1 96 1 1 50 8 1 3 132 0 1 32 11.7500000000000 7 3 750 0 1 67 9.25000000000000 1 1 42 0 1 41 8 2 2 20 1 1 36 11 2 1 8 0 1 59 3.50000000000000 3 3 20 0 1 20 4.50000000000000 12 1 6 1 2 34 11.2500000000000 3 3 150 0 2 21 10.7500000000000 5 1 35 0 2 15 6 2 1 30 1 2 15 2 3 1 4 1 2 15 3.75000000000000 2 3 70 1 2 17 11 2 1 10 0 2 17 5.25000000000000 3 1 63 1 2 23 11.7500000000000 12 3 72 0 2 27 8.75000000000000 2 1 6 0 2 15 4.25000000000000 1 1 6 1 2 18 5.75000000000000 1 1 80 1

三、數據分類

模糊神經網絡的輸入維度與Cryotherapy樣本集的屬性維度保持一致，輸出為類別，評價指標為預測類別與真實類別的平均絕對誤差（MAE）。Cryotherapy樣本集中前70個樣例構成訓練集，最后20個樣例構成測試集。

部分代碼如下：

close all clear clc load('Cryotherapy.mat') TrainNum=70;%前70個作為訓練集 Data=Cryotherapy(1:TrainNum,1:6)';%訓練集輸入 Data=mapminmax(Data, 0, 1);%歸一化 inputn=Data'; outputn=Cryotherapy(1:TrainNum,7);%訓練集輸出 maxgen=2000;%最大訓練次數(可以修改)

在訓練集上的分類情況：

訓練集的平均絕對誤差MAE:0

訓練集的分類準確率:100%

在測試集上的分類情況：

測試集的平均絕對誤差MAE:0.15

測試集的分類準確率:85%

由此可見，模糊神經網絡用于數據集分類效果顯著，分類準確率高。

在訓練集上分類準確率達到100%，在測試集上分類準確率達到85%。

四、參考代碼

總結

以上是生活随笔為你收集整理的模糊神经网络：基于模糊神经网络（Fuzzy Neural Networks，FNN）的数据分类（提供MATLAB代码）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。