模糊识别实验报告

1 / 14 模糊识别实验报告 模糊控制系统实验报告 学院：班级： 姓名：学号： 一、实验目的 1. 通过本次实验，进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。 2. 提高有关控制系统的程序设计能力； 3. 熟悉 Matlab语言以及在智能控制设计中的应用。 二、实验内容 设计一个采用模糊控制的加热炉温度控制系统。被控对象为一热处理工艺制作中的加热炉，加热设备为三相交流调压供电装置，输入控制信号电压为 0-5V，输 出相电压为0-220V，输出最大功率 180kW，炉内变化室温 625。 三、实验过程及步骤 1.用 Matlab 中的 Simulink 工具箱，组成一个模糊控制系统，如图所示 2.采用模糊控制算法，设计出能跟踪给定输入的模糊控制器，对被控系统进行仿真，绘制出系统的阶跃响应曲线。 模糊集合及论域的定义 对误差 E、误差变化 EC 机控制量 U 的模糊集合及其论域定义如下： E、 EC和 U 的模糊集合均为： NB、 NM、 NS、2 / 14 0、 PS、 PM、 PB E 和 EC的显示范围 为： -6 6 结果如下图所示 打开 Rule 编辑器，并将 49 条控制规则输入到 Rule编辑器中 实验一 基于模糊聚类的图像分割 一，实验目的 通过模糊 c-均值聚类实现图像的分割。 二，算法描述 动态聚类方法的目的是把 n 个样本划分到 c 个类别中的一个，使各样本与其所在类均值的误差平方和最小。 FCM聚类算法的目标函数为： Min 错误！未找到引用源。 = 其中 m1是一个可以控制聚类结果的模糊程度的常数。在不同的隶属度定义方 法下最小化式的损失函数，就得到不同的模糊聚类方法。其中最有代表性的模糊 C均值方法，要求一个样本对于各个聚类的隶属度之和为 1，即 在条件下求式的最小值，令错误！未找到引用源。对错误！未找到引用源。和错误！未找到引用源。的偏导数为 0，可得必要条件： 错误！未找到引用源。 三，变量说明 P 数据样本维数； N 像素点数目； 3 / 14 X像素 i特征； C图像分割类别数； U像素点 i 属于第 j 类的隶属度； Z第 i 类 聚类中心； 四 , 算法步骤 Step1:设置目标函数精度，模糊指数 m，最大迭代次数错误！未找到引用源。 ; Step2:初始化模糊聚类中心错误！未找到引用源。 ; Step3:由式更新模糊划分矩阵 U=错误！未找到引用源。 和聚类中心 Z=错误！未找到引用源。 ; Step4:若 |J-J|错误！未找到引用源。则结束聚类；否则， t=t+1并转 Step3; Step5:由所得 U=错误！未找到引用源。 得到各像素点的分类结果。 五，实验内容与 要求 使用附录 1 的参考程序对无噪图像进行模糊聚类分割。 使用附录 1 的参考程序对各种加噪图像进行模糊聚类分割，并与中的相应结果进行比较。 附录 1 的参考程序给出了图像分割为 3 类的 FCM 算法，请同学们进行分割为 2类或 4 类的扩展，或者在理解例程或算法的基础上自己实现算法。 参考程序代码： 4 / 14 function fcm tmp=imread; IM=tmp; %IM=imnoise; %IM=imnoise; %IM=imnoise; IM=double; figure; imshow); maxX,maxY=size; IMM=cat; cc1=8; cc2=100; cc3=200; ttfcm=0; while ttfcm=ttfcm+1; c1=repmat; c2=repmat; c3=repmat; c=cat; ree=repmat; ree1=cat 5 / 14 distance=IMM-c; distance=distance.*distance+ree1; daoShu=1./distance; daoShu2=daoShu+daoShu+daoShu; distance1=distance.*daoShu2; u1=1./distance1; distance2=distance.*daoShu2; u2=1./distance2; distance3=distance.*daoShu2; u3=1./distance3; ccc1=sum)/sum); ccc2=sum)/sum); ccc3=sum)/sum); tmpMatrix=abs/cc1,abs/cc2,abs/cc3; pp=cat; for i=1:maxX for j=1:maxY if max)=u1 ix2=1; elseif max)=u2 ix2=2; else 6 / 14 ix2=3; end end end if max break; else cc1=ccc1; cc2=ccc2; cc3=ccc3; end for i=1:maxX for j=1:maxY if ix2=3 IMMM=240; elseif ix2=2 IMMM=130; else IMMM=20; end end end figure; 7 / 14 imshow); end for i=1:maxX for j=1:maxY if ix2=3 IMMM=240; elseif ix2=2 IMMM=130; else IMMM=20; end end end IMMM=uint8; figure; imshow); end 对图像分割为 4类的 FCM算法程序 function fcm tmp=imread; IM=tmp; and SettingsAdministrator桌面 %* 加 噪 ， 生 成 加 噪 图 像8 / 14 * %IM=imnoise; %IM=imnoise; %IM=imnoise; IM=double; figure; imshow); maxX,maxY=size; IMM=cat; %-4 cc1=8; cc2=100; cc3=200; %-4 cc4=50; ttfcm=0; while ttfcm=ttfcm+1; c1=repmat; c2=repmat; c3=repmat; %-4 c4=repmat; c=cat; %-4 ree=repmat; 9 / 14 ree1=cat %-4; distance=IMM-c; distance=distance.*distance+ree1; daoShu=1./distance; daoShu2=daoShu+daoShu+daoShu+daoshu; %-4 distance1=distance.*daoShu2; u1=1./distance1; distance2=distance.*daoShu2; u2=1./distance2; distance3=distance.*daoShu2; %-4 u3=1./distance3; distance4=distance.*daoShu2; %-4 u4=1./distance4; ccc1=sum)/sum); ccc2=sum)/sum); ccc3=sum)/sum);%-4 ccc4=sum)/sum); tmpMatrix=abs/cc1,abs/cc2,abs/cc3,abs/cc4;%-4 pp=cat; %-4 for i=1:maxX for j=1:maxY 10 / 14 if max)=u1 %-4 ix2=1; elseif max)=u2 ix2=2; elseif max)=u3 ix2=3; else ix2=4; end end end if max break; else cc1=ccc1; cc2=ccc2; cc3=ccc3; cc4=ccc4; end for i=1:maxX for j=1:maxY if ix2=4 实验一 灰度图像直方图统计 11 / 14 一、实验目的 掌握灰度图像直方图的概 念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。 二、实验内容和要求 用 Photoshop 显示、了解图像平均明暗度和对比度等信息； 用 MatLab 读取和显示一幅灰度图像； 用 MatLab 编写直方图统计的程序。 三、实验步骤 1. 使用 Photoshop 显示直方图： 1）点击 文件 打开，打开一幅图像； 2）对图像做增强处理，例如选择 图像 调整 自动对比度 对图像进行灰度拉伸，观 察图像进行对比度增强前后的视觉变化。 3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。 2用 MatLab读取和显示一幅灰度图像； 3. 绘制图像的灰度直方图； function Display_Histogram Input=imread; figure; 12 / 14 imshow); title; Input_Image=rgb2gray; figure; imshow); title; sum=0; His_Image=zeros; m,n=size; for k=0:255 for I=1:m for j=1:n if Input_Image=k His_Image1)=His_Image+1; end end end end figure; plot; title; 4. 显示图像的灰度直方图。 13 / 14 原始图像 灰度图像 图像的灰度直方图 1400 1200 1000 800 600 400 200 0050100150200250300 四、思考题 1）直方图可以反映图像的哪些特性？ 灰度直方图只能反映图像的灰度分布情况，不能反映图像的像素位置；一幅图像对应唯一的灰度直方图。 2）如何使直方图曲线光滑？如何 识别直方图的峰和谷？ 恰当量化。直方图给出一个直观的指标，用来判断数字化一幅图像量化时是否合理地利用了全部允许的灰度范围。一般来说，数字化获取的图像应该利用全部可能的灰度级。 假定一幅图像的背景为黑色，物体为灰色，背景中的黑色像素长生了直方图上的左峰，而物体中各灰度级产生14 / 14 了直方图上的右峰，由于物体边界像素相对较少，从而长生两峰之间的谷。 实验二 基于 Photoshop 的数字图像处理 一、实验目的 1掌握数字图像