گروه مورد نظر : عنوان پروژه :
قسمتی از عنوان پروژه تان را وارد نمائید ...
قیمت پروژه از : تا : داکیومنت : کامنت :
جستجو پروژه
طبقه بندی پروژه ها
خدمات ویژه ناب پروژه
آخرین پروژه ها
تبلیغات متنی
بنرهای تبلیغاتی
آمار بازدید سایت
افراد آنلاین در سایت ناب پروژه تعداد افراد آنلاين : 6
بازدید امروز سایت ناب پروژه تعداد بازديد امروز : 795
تعداد بازدید دیروز از سایت ناب پروژه تعداد بازديد دیروز : 253
کاربران آنلاین در ناب پروژه تعداد بازدید کل : 4,293,017
   

شبیه سازی دیتاست iris بروش فازی-ژنتیک با matlab


قیمت قبلی : 30100  تومان
 تخفیف : 0  %
قیمت  جدید: 30100   تومان
بانک : فاقد بانک اطلاعاتی
کامنت گذاری: دارد
فایل داکیومنت : دارد
رمز ورود پروژه : ندارد - ندارد

فایل دمو پروژه : دانلود فایل داکیومنت تکمیلی
فایل داکیومنت : دانلود فایل دمو | اجرایی پروژه
تعداد مشاهده : 6233

- در صورت نیاز به آموزش آنلاین نحوه ساخت این پروژه توسط نرم افزارهای آموزش راه دور و یا درخواست تهیه پروژه مشابه، کافیست با شماره تماس 09179221734 یا آدرس ایمیل behnam.h1368@gmail.com هماهنگی های لازم را انجام دهید.
توضیح  کلی :

در این قسمت تکه از کارهای انجام شده در پروژه قرار داده میشود :
1-1 داده ها ی مورد استفاده
داده های Iris مربوط به 150 نمونه از 3 نوع گل زنبق (setosa, versicolor, virginica) هستند که از هر نوع 50 عدد وجود دارد،هر نمونه شامل 4 ویژگی می باشد. این 4 ویژگی به ترتیب شامل طول کاسبرگ (Sepal length)، پهنای کاسبرگ (Sepal width)، طول گلبرگ (Petal length) و پهنای گلبرگ (Petal width) هستند.
برای انجام این تمرین، میبایست ابتدا یک سیستم فازی طراحی کنیم به طوری که قادر به کلاس بندی داده ها باشد و میزان صحت عملکرد آن را محاسبه نماید، سپس از همین سیستم فازی استفاده کرده و تمرین خواسته شده را انجام دهیم، به این صورت که فقط قوانین فازی را به صورت تصادفی ایجاد کرده و پاسخ را بدست آوریم.
برای سادگی در طراحی و همچنین افزایش شانس جواب صحیح در سیستم فازی دوم، فقط از ویژگیهای PL و PW استفاده خواهیم کرد. در این صورت با توجه به اینکه برای هر ویژگی 3 تابع عضویت در نظر خواهیم گرفت، حداکثر 9 قانون فازی خواهیم داشت و احتمال ایجاد حالت های مناسب در 9 حالت بیشتر از 81 حالت می باشد.
2-1 مجموعه قوانین فازی
برای هر ویژگی سه تابع عضویت کم، متوسط و زیاد در نظر می گیریم، برای ویژگی اول از توابع گوسی و برای ویژگی دوم از توابع مثلثی استفاده می کنیم. همچنین برای خروجی از توابع مثلثی استفاده خواهیم کرد .
همانطور که در شکل 2.1 قابل مشاهده میباشد ، دو ویژگی از ویژگی های موجود را انتخاب کرده و شبیه سازی را بر اساس فقط این دو ویژگی انجام میدهیم. لذا توزیع هر کدام از این ویژگی ها در کلاس ها را ملاحظه میکنید .
پایگاه دانش یا قوانین فازی را به صورت جدول زیر در نظر می گیریم. همانطور که در جدول 1.1 قابل مشاهده میباشد، مجموعه ای از قوانین اولیه را ایجاد کرده ایم که بر اساس این شرط ها و قوانین نوع خروجی مورد نظر مشخص میشود .

امکانات اصلی پروژه :

melatonin

melatonin davidnorlin.se
نتایج این شبیه سازی در این قسمت تشریح شده است :
6-1 نتایج خروجی این قسمت به صورت زیر خواهد بود، مشاهده می شود که بعد از 15 تکرار مقدار پاسخ درست سیستم از مقدار مطلوب (بیشتر از 90) بهتر شده است. این عدد (94) به این معنیست که در 97 مورد از 100 مورد سیستم پاسخ صحیح داده است.
Fitness = 94 = reward – punishment = 97-3 = 94
iteration 1, best fitness is 68
iteration 2, best fitness is 68
iteration 3, best fitness is 68
iteration 4, best fitness is 68
iteration 5, best fitness is 82
iteration 6, best fitness is 86
iteration 7, best fitness is 86
iteration 8, best fitness is 86
iteration 9, best fitness is 88
iteration 10, best fitness is 90
iteration 11, best fitness is 90
iteration 12, best fitness is 90
iteration 13, best fitness is 90
iteration 14, best fitness is 90
iteration 15, best fitness is 94
در نهایت بهترین رشته اخرین مرحله مشخص می شود و قوانین سیستم فازی بر اساس این رشته تشکیل می شود
(best_fis) [max_fitness(ite),indx] = max(fitness);
max_fitness = max_fitness(1:ite);
best_string = x(indx,:);
best_fis = create_fis(fis,best_string);
توضیح فایل init_fis ، create_fis و fuzzy_system_check
در فایل توضیحات قبلی،در قسمت مربوط به توضیح فانکشن random_fuzzy_system این برنامه ها به طور کامل توضیح داده شده اند. این 3 برنامه در این سری برای سرعت بیشتر اجرا و درک بهتراز هم جدا شده اند.
تفاوتی که دارند این است که در برنامه های قبلی، 2 ورودی در نظر گرفته شده بود اما در این سری 4 ورودی وجود دارند.
همچنین نحوه مقدار شایستگی که در سری قبلی در برنامه اصلی وجود داشت در این سری به برنامه fuzzy_system_check منتقل شده است.

  در صورت تمایل به ارسال نظر ، تنها در مورد پروژه فعلی نظر خود را ثبت کنید .
نام شما :
ایمیل :
ثبت نظر
 

بزودی آموزش های تصویری مرتبط به هر موضوع تهیه و در سایت قرار داده خواهد شد.

پروژه های مرتبط :
برچسپ ها :

شبیه سازی دیتاست iris با متلب , شبیه سازی دیتاست iris با matlab , جعبه ابزار fuzzy در متلب , جعبه ابزار فازی در متلب , الگوریتم ژنتیک و فازی در matlab, دیتا ست iris , پیاده سازی iris بروش فازی-ژنتیک در matlab , پیاده سازی matchset با متلب, پیاده سازی action set , سبیه سازی iris بروش فازی , شبیه سازی iris بروش genetic , پیاده سازی پروژه فازی با متلب , پروژه ژنتیک با matlab,