MATLAB 常用函数小结

news2024/11/27 17:36:29

文章目录

  • 【 生成 】
    • 随机数
    • 零或一
    • 其他
  • 【 提取 】
  • 【 统计 】
  • 【 算法 】
  • 【 文件 】

【 生成 】

随机数

  • rand()

    • rand(a,b)
      生成区间 (0,1) 内均匀分布的随机数字组成的 axb 列矩阵。
      均值=0.5,方差=1/12=0.08333。
    • k*rand(a,b)
      生成区间 (0,k) 内服从均匀分布的随机数字组成的 axb 列矩阵。
      均值=0.5*k
    • j+k*rand(a,b)
      生成区间 (0,k) 内服从均匀分布的随机数字组成的 axb 列矩阵。
      均值=0.5*k
  • randi()

    • randi([imin,imax],m,n) :返回一个mxn矩阵,其中包含从区间 [imin,imax] 的均匀离散分布中得到的整数。
    • randi([imin,imax],n) :返回一个nxn矩阵,其中包含从区间 [imin,imax] 的均匀离散分布中得到的整数。
  • randn()

    • randn(m,n)
      生成服从正态分布的随机数字组成的 mxn 列矩阵。
      均值=0,方差=1。
    • a+b randn(m,n)
      生成服从正态分布的随机数字组成的 mxn 列矩阵。
      均值为 0,方差为 b2
    • a randn(m,n)+b randn(m,n)
      生成服从正态分布的随机数字组成的 mxn 列矩阵。
      均值为 0+0i,方差为 a2+b2

零或一

  • zeros():生成 全0矩阵(零矩阵)。
  • ones():生成 全1矩阵(幺矩阵)。
  • eye():生成 单位矩阵。
%以上几个函数的调用格式相似,下面以产生零矩阵的zeros函数为例进行说明。
zeros(m)          %生成 m×m 零矩阵
zeros(m,n)        %生成 m×n 零矩阵
zeros(size(A))    %生成与矩阵A同样大小的零矩阵

其他

  • linspace(a,b,n):生成从a开始,到b结束,有n个元素的行向量。
  • reshape(A,m,n):将矩阵A的数据重新构建成一个mxn的矩阵。
    在这里插入图片描述

【 提取 】

  • find(A):找出矩阵A中非零元素所在的下标
  • find(条件):找出符合条件的元素所在的位置
  • diag(A) :提取矩阵A 的主对角线上元素,生成一个列向量
  • diag(A,k):提取矩阵A第k条对角线的元素
  • diag(V):以向量V的元素为主对角线上的元素构造的对角矩阵
  • diag(V,k):以向量V的元素为第k条对角线上的元素的构造的对角阵

【 统计 】

  • abs(A):A 是实数,返回 A 中每个元素的绝对值;如果 A 是复数,则 返回复数的模值。
  • max(A):如果 A 是向量,则 max(A) 返回 A 的最大值;如果 A 为矩阵,则 max(A) 是包含 A 的每一列的最大值的行向量;max(A,[],2) 是包含每一行的最大值的列向量。
  • min(A):求A各列的最小值
  • mean(A) :求A各列的平均值
  • sum(A):求A各列元素之和
  • prod(A):求A的各列元素之积
  • median(A):求A各列的中位元素
  • std(A):求A各列的标准差
  • var(A):求A各列的方差
  • norm(A):返回向量 A 的 2-范数。向量x的2-范数:向量中所有元素的平方和之后再开方, ∥ x ∥ 2 = ( x H x ) 1 / 2 \left\|{x}\right\|_2=\left({x^H}{x}\right)^{1/2} x2=(xHx)1/2矩阵A的2-范数:A的共轭转置乘以A结果的最大特征根的开根号, ∣ ∣ A ∣ ∣ 2 = max ⁡ λ ( A H A ) ||A||_2=\sqrt{\max _{\lambda }(A^HA)} ∣∣A2=maxλ(AHA)
  • 均方值(平均功率)= 均值(直流功率)+方差(交流功率)。

【 算法 】

  • conj(A):返回 A 中每个元素的复共轭。

【 文件 】

  • save()save(filename) 将当前工作区中的所有变量保存在mat格式的二进制文件 filename 中,如果 filename 已存在,save 会覆盖该文件;save(filename,variables) 仅保存 variables 指定的结构体数组的变量或字段。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/759718.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

华为OD机试真题 Java 实现【分割数组的最大差值】【2023 B卷 100分】,附详细解题思路

目录 专栏导读一、题目描述二、输入描述三、输出描述四、解题思路五、Java算法源码六、效果展示1、输入2、输出3、说明 华为OD机试 2023B卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(A卷B卷&#…

layui实现选项卡(万字博客!!!)

今日金句 努力不一定会被看到,但成功会 文章目录 前言一、什么是Tab选项卡二、Tab分类2.1 默认风格2.2 动态Tab2.3 Hash Tab2.4 简洁Tab2.5 卡片Tab2.6 响应式Tab2.7 带删除的Tab2.8 Js代码 三、实例3.1 引入html代码3.2 编写Js代码3.3 优化1:对应名称、…

javascript编写奇迹mu原版(含服务端)(7) 地图界面

其实主要的功能还是聊天,打怪我打算弄成自动的。可以传送到地图怪密集的地方打怪,然后获得经验和道具,也可发广告收消息。地图上那些是石头等不可移动的区域。怪和人都还没标上去,暂时想的是在地图上标一个红色的点。

人工智能自然语言处理:N-gram和TF-IDF模型详解

人工智能自然语言处理:N-gram和TF-IDF模型详解 1.N-gram 模型 N-Gram 是一种基于统计语言模型的算法。它的基本思想是将文本里面的内容按照字节进行大小为 N 的滑动窗口操作,形成了长度是 N 的字节片段序列。 每一个字节片段称为 gram,对所…

第一阶段-第九章 Python的异常、模块与包

目录 一、了解异常  1.学习目标  2.什么是异常  3.bug单词的诞生  4.本节的演示  5.本小节的总结 二、异常的捕获方法  1.学习目标  2.为什么要捕获异常  3.如何进行异常的捕获(异常为常规的、指定的、多个时,捕获所有异常、异常else、f…

跟我一起从零开始学python(八)全栈开发

前言 回顾之前讲了python语法编程 ,必修入门基础和网络编程,多线程/多进程/协程等方面的内容,后续讲到了数据库编程篇MySQL,Redis,MongoDB篇,和机器学习前面没看的也不用往前翻,系列文已经整理…

【ArcGIS Pro微课1000例】0028:绘制酒店分布热力图(POI数据)

本文讲解在ArcGIS Pro中文版中,基于长沙市酒店宾馆分布矢量点数据(POI数据)绘制酒店分布热力图。 文章目录 一、加载酒店分布数据二、绘制热度图参考阅读: 【GeoDa实用技巧100例】004:绘制长沙市宾馆热度图 【ArcGIS微课1000例】0070:制作宾馆酒店分布热度热力图 一、加载…

【java爬虫】将优惠券数据存入数据库排序查询

本文是在之前两篇文章的基础上进行写作的 (1条消息) 【java爬虫】使用selenium爬取优惠券_haohulala的博客-CSDN博客 (1条消息) 【java爬虫】使用selenium获取某宝联盟淘口令_haohulala的博客-CSDN博客 前两篇文章介绍了如何获取优惠券的基础信息,本文将获取到的…

mybatis-plus中的逻辑删除

官网:逻辑删除 | MyBatis-Plus 1.数据库字段 得有一个字段用来表示是否被删除。 记得加上注解TableLogic 也可以加上值,表示被删除具体得值,和没有被删除具体的值。 TableLogic(value "1",delval "0") 源码&#…

go语言中的string类型简介

在 Go 中,String 是一种不可变的类型,不能被修改。 在 Go 语言中,字符串由 Unicode 字符组成,每个字符都可以用一个或多个字节来表示。我们使用双引号或反引号来定义字符串,使用反引号定义的字符串不会对其内容进行任何…

FPGA Verilog移位寄存器应用:边沿检测、信号同步、毛刺滤波

文章目录 1. 端口定义2. 边沿检测3. 信号同步4. 信号滤波5. 源码6. 总结 输入信号的边沿检测、打拍同步、毛刺滤波处理,是FPGA开发的基础知识,本文介绍基于移位寄存器的方式,实现以上全部功能:上升沿、下降沿、双边沿检测、输入信…

21.基于注解的自动装配

基于注解的自动装配 通过Autowired注解即可完成自动装配 Autowired注解标识的位置 成员变量上:直接标记Autowired注解即可完成自动装配,不需要提供setXxx()方法成员变量set方法上:直接标记Autowired注解即可完成自动装配成员变量赋值的有参…

C++函数对象与函数指针在sort上的性能测试

最近在比较函数对象和函数指针的性能,看了一些文章,国内的如: https://zhuanlan.zhihu.com/p/579128724 上面这篇文章是在GoogleTest当中进行测试的,其测试结果仅展示了一次,因此我认为不具备说服力,因为我…

风雨中茁壮成长的程序树-深入浅出2023-迟来的总结

起点所在; 反观2021年的时候,入行半年多的当时还是艰难万分啊。真的犹如创业艰难百战多,无数的风雨和重大压力的遭遇,甚至于当时第一家company的时候产生过放弃的念头。 Yes,当时时有产生放弃的念头的。 because当时入行时候的收…

【人工智能】从零开始的口罩识别系统

文章目录 前言第零章 环境准备Python环境安装安装labelimgAI StudioYOLO2COCOPaddleYOLOnumpy 猫狗分类数据集实战数据上传新建项目 前言 本文是从零开始搭建口罩识别系统的学习过程总结,涉及到的软件环境、硬件环境、代码、操作都会一一给出。 第零章 环境准备 …

Python实现PSO粒子群优化算法优化XGBoost分类模型(XGBClassifier算法)项目实战

说明:这是一个机器学习实战项目(附带数据代码文档视频讲解),如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 PSO是粒子群优化算法(Particle Swarm Optimization)的英文缩写,是一…

iconfont渐变色实现方案总结

iconfont是前端技术中重要的一环——它能够方便地沉淀大量设计资产,并通过组件化的方式高效地在各种场景复用。而单纯应用iconfont,只能支持到纯色渲染图标,越来越难以满足高品质视觉效果的诉求。本文结合实际工作业务场景,调研了…

大数据面试题:Kafka的消费者和消费者组有什么区别?为什么需要消费者组?

面试题来源: 《大数据面试题 V4.0》 大数据面试题V3.0,523道题,679页,46w字 可回答:1)说下Kafka的消费者和消费者组,以及它们的作用是什么? 参考答案: 1、什么是消费…

C++ 测试框架 GoogleTest 初学者入门篇

开发者虽然主要负责工程里的开发任务,但是每个开发完毕的功能都是需要开发者自测通过的,所以经常会听到开发者提起单元测试的话题。那么今天我就带大伙一起来看看大名鼎鼎的谷歌 C 测试框架 GoogleTest. 简单介绍 来看看谷歌官方是怎么介绍这个框架的&am…

数据结构(王卓版)——线性表

数据的存储结构之线性表 1、线性表的定义和特点 线性表的顺序存储结构 总结: