MATLAB实现智能计算方法实验汇总

代码资源链接

MATLAB实现智能计算方法课程所有实验代码资源链接为：MATLAB实现智能计算方法课程所有实验代码资源

Github仓库地址为：github.com/lazyn1997/C...

gitee仓库地址为：gitee.com/lazyn/CSDN_...

读者们可以点击各个实验的标题查看对应的博客

实验一 模糊聚类分析

1. 根据下面表格中的数据，用Matlab（或Python）编程进行数据标准化处理；
2. 根据标准化处理后的数据，用Matlab（或Python）编程，建立模糊相似矩阵，并编程求出其传递闭包矩阵；
3. 根据模糊等价矩阵，编程绘制动态聚类图；
4. 根据原始数据，编程确定最佳分类结果。

no	Y1	Y2	Y3	Y4	Y5	Y6
x1	21	63	19	40	1.567	106
x2	23	74	30	75	2.693	54
x3	119	179	86	118	6.897	9
x4	115	168	49	89	2.637	29
x5	79	146	46	92	2.356	24
x6	79	158	48	103	2.142	7
x7	65	114	58	99	2.679	7
x8	68	119	58	96	3.099	6
x9	109	166	59	95	2.868	6
x10	118	177	56	89	2.64	7

实验二 模糊控制仿真实验

利用Fuzzy工具箱，设计洗衣机洗涤时间的模糊控制器，已知人的操作经验为：

• 污泥越多，油脂越多，洗涤时间越长；
• 污泥适中，油脂适中，洗涤时间适中；
• 污泥越少，油脂越少，洗涤时间越短。

X	Y	z
SD	NG	VS
SD	MG	M
SD	LG	L
MD	NG	S
MD	MG	M
MD	LG	L
LD	NG	M
LD	MG	L
LD	LG	VL

其中，SD（污泥少）、MD（污泥中）、LD（污泥多）、NG（油脂少）、MG（油脂中）、LG（油脂多）、VS（洗涤时间很短）、S（洗涤时间短）、M（洗涤时间中等）、L（洗涤时间长）、VL（洗涤时间很长）。

1. 假设污泥、油脂、洗涤时间的论域分别为0-100，0-100，1-120，用fuzzy工具箱设计相应的模糊推理系统，给出具体的步骤和输入、输出语言变量的隶属函数图、模糊控制规则表和推理结论立体图。
2. 假定污泥=60，油脂=70，给出推理图和结果。

实验三 BP神经网络

利用BP神经网络，解决性别分类问题：

1. 原始数据student.xls，部分数据放入报告中即可；
2. 以身高、体重为输入，性别为输出，设计网络结构（以图的形式放入报告）；
3. 手工编码（python或MATLAB），实现对性别的分类计算，并用测试数据验证模型的正确性。
4. 用MATLAB工具箱编程实现模型仿真并用测试数据对性别进行预测。

测试数据1:身高（162cm），体重（56kg），性别（女）。

测试数据2:身高（172cm），体重（75kg），性别（男）。

实验四 RBF神经网络

1. 利用RBF神经网络，解决异或问题

1. 异或问题本质上是一个二分类问题：输入为向量[x1,x2]，输出是标量，取值限定为0或1。

序号	x1	x2	D期望输出
1	0	0	0
2	0	1	1
3	1	0	1
4	1	1	0

2. 设计网络结构（以图的形式放入报告）；
3. 手工编码（python或MATLAB），实现对异或问题的分类计算。
4. 用MATLAB工具箱编程实现模型仿真。

测试数据1:x1=0.95，x2=0.03。

测试数据2:x1=0.92,x2=0.89。

2. 曲线拟合

1. 给定一系列已知的采样点，就可以近似确定在某未知自变量位置处的函数值(18个点)

X=-9,-8,-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7,8,9

Y=-129,-32,-118,-138,-125,-97,-55,-23,-4,2,1,-31,-72,-121,-142,-174,-155,-77

2. 手工编码（python或MATLAB），实现曲线拟合。
3. 用MATLAB工具箱编程实现曲线拟合，改变spread，观察拟合结果并截图放入报告中。

实验五 Hopfield神经网络

在三维平面上，定义两个平衡点(1,-1,1)和(-1,1,-1),使所有的输入向量经过迭代最后都收敛到这两个点。

1. 给出手工计算过程，并用代码（python或matlab）实现；
2. 设计网络结构（以图的形式放入报告）；
3. 用MATLAB工具箱编程实现模型仿真。

实验六 支持向量机

利用支持向量机，构造性别分类器：

1. 以身高、体重为输入，性别为输出，设计支持向量机；
2. 手工编码或工具箱编码（python或MATLAB），实现对性别的分类计算，并用测试数据验证模型的正确性。
3. 用测试数据对性别进行预测。

测试数据1:身高（162cm），体重（56kg），性别（女）。

测试数据2:身高（172cm），体重（75kg），性别（男）。

实验七 遗传算法

1. 利用遗传算法，解决下列函数优化求解：

   <math xmlns="http://www.w3.org/1998/Math/MathML"> { min ⁡ F ( x , y ) = ( x − 3.5 ) 2 + ( y + 4 ) 2 1 < x , y < 10 \left\{ \begin{array}{l} \min F(x,y) = {(x - 3.5)^2} + {(y + 4)^2}\\ 1 < x,y < 10 \end{array} \right. </math>{minF(x,y)=(x−3.5)2+(y+4)21<x,y<10

2. 利用遗传算法，求函数 <math xmlns="http://www.w3.org/1998/Math/MathML"> f ( x ) = x + 10 sin ⁡ ( 5 x ) + 7 cos ⁡ ( 4 x ) f(x) = x + 10\sin (5x) + 7\cos (4x) </math>f(x)=x+10sin(5x)+7cos(4x) 的最大值，其中 <math xmlns="http://www.w3.org/1998/Math/MathML"> 0 ≤ x ≤ 9 {\rm{0}} \le x \le 9 </math>0≤x≤9 。