矩陣展開

>> B=[1;3]

B =

1

3

>> C=kron(B,[1,1,1])

C =

1 ? ? 1 ? ? 1

3 ? ? 3 ? ? 3

使用imshow繪制圖片到到指定坐標

% 產(chǎn)生新的圖像顯示框 hAxe=axes('Parent',gcf,... % 設置新的axe， 將'parent' 屬性設置為當前窗口gcf ? ? 'Units','pixels',...??%設置單位為pixels ? ? 'Position',[30 80 605 705]);??% 指定axe的位置，格式為[left bottom width height]， left和bottom設定了axe的左下 %角坐標，width和height設定了窗口的寬度和高度 %選定hAxe為當前axe axes(hAxe)； %顯示圖像 imshow(...)

unique的實現(xiàn)

matlab里面的unique是通過排序后錯位相減的方式實現(xiàn)的 充分利用了矩陣運算的性質 灰常巧妙啊！！！

尋找矩陣中某向量～

比如有矩陣A=[ 1 1 1；

2 2 2；

3 3 3；

4 4 4；]

行向量B=[3 3 3]

則： B在A的第??3 行

請問：怎么自動求出B在A的哪一行呢？

方法1：

——————————————————

for i=1:3

if (A(i,:)==B)

Position=i;

end

end

——————————————————

方法2：

——————————————————

find(ismember(A,B,'rows'));

——————————————————

ismember函數(shù)：

tf = ismember(A, S)返回一個和A同樣長的數(shù)組，當A中元素是集合S中的元素時，返回邏輯1(真)，否則為0。在集合論方面，k為1當A屬于S。輸入?yún)?shù)A和S可能是數(shù)值型或者字符型數(shù)組或者字符型元胞數(shù)組。?www.iLoveMatlab.cn

tf = ismember(A, S, 'rows')

當A和S為矩陣并且列數(shù)相同時，當A中的行同時也是S中的行時返回1,否則返回0。

如果A或S是字符元胞數(shù)組時不能用此語法。

[tf, loc] = ismember(A, S, ...)

返回一個包含A中的元素也是S種元素的最大索引。對于A中元素不出現(xiàn)S里面的，ismember返回0.

matlab 矩陣變向量

reshape

A=A(:)

后面這個真是神奇！

畫矩形

line(rectx(:),recty(:));

rectx recty 為五維向量 代表五個點 ABCDA

-------------------------------------------------------------------------------------------------------------------------------------

關于下標索引

matlab以數(shù)組為基本處理單元，這是其特色，也支持靈活的矩陣下標索引也就是矩陣元素訪問，包括雙下標索引，線性索引，邏輯索引，冒號索引，數(shù)組索引等方式。

線性索引以列為單位對矩陣元素進行索引，通用的索引方式是A(B,C),這里B，C分別為矩陣A的行列下標組成的數(shù)組，可以是標量，向量及矩陣，其處理機制如下：將B，C分別按行進行向量化(將所有的列拼接成行向量相當于于reshape(A,

numel(A),1))成行向量vetor(B),vector(C)，然后對這兩個向量索引

，也就是?A(B,C)=A(vetor(B),vector(C))。

A= reshape(1:12,3,4)

A =

1 ? ? ? ? ? ? ?4 ? ? ? ? ? ? ?7 ? ? ? ? ? ? 10

2 ? ? ? ? ? ? ?5 ? ? ? ? ? ? ?8 ? ? ? ? ? ? 11

3 ? ? ? ? ? ? ?6 ? ? ? ? ? ? ?9 ? ? ? ? ? ? 12

邏輯索引：

A(find(A>5))

ans =

6

7

8

9

10

11

12

線性索引：

A(7)

ans =

7

雙下標索引：

A(3,2)

ans =

6

冒號索引：

A(:,1)

ans =

1

2

3

數(shù)組索引：

——標量

A(1,:)

ans =

1 ? ? ? ? ? ? ?4 ? ? ? ? ? ? ?7 ? ? ? ? ? ? 10

——向量

A([1 2], [2 4])

ans =

4 ? ? ? ? ? ? 10

5 ? ? ? ? ? ? 11

——矩陣

B=[1 2 3; 3 2 1],C=[2 3;1 4]

B =

1 ? ? ? ? ? ? ?2 ? ? ? ? ? ? ?3

3 ? ? ? ? ? ? ?2 ? ? ? ? ? ? ?1

C =

2 ? ? ? ? ? ? ?3

1 ? ? ? ? ? ? ?4

A(B,C)

ans =

4 ? ? ? ? ? ? ?1 ? ? ? ? ? ? ?7 ? ? ? ? ? ? 10

6 ? ? ? ? ? ? ?3 ? ? ? ? ? ? ?9 ? ? ? ? ? ? 12

5 ? ? ? ? ? ? ?2 ? ? ? ? ? ? ?8 ? ? ? ? ? ? 11

5 ? ? ? ? ? ? ?2 ? ? ? ? ? ? ?8 ? ? ? ? ? ? 11

6 ? ? ? ? ? ? ?3 ? ? ? ? ? ? ?9 ? ? ? ? ? ? 12

4 ? ? ? ? ? ? ?1 ? ? ? ? ? ? ?7 ? ? ? ? ? ? 10

可以看出，除了邏輯索引和線性索引外，雙下標索引，冒號索引其實是數(shù)組索引的標量及向量特例，數(shù)組索引當下標為矩陣時又需進行向量化，這種向量化方式是按列進行的，這與線性索引的按列定址如出一轍，也就是Maltab盡管是以矩陣為基本處理(編程)單元，但其內(nèi)部處理方式應該也是按列進行處理的(按列存儲數(shù)據(jù))。

K-means聚類算法采用的是將N*P的矩陣X劃分為K個類，使得類內(nèi)對象之間的距離最大,而類之間的距離最小。

使用方法： Idx=Kmeans(X,K) [Idx,C]=Kmeans(X,K)? [Idx,C,sumD]=Kmeans(X,K)? [Idx,C,sumD,D]=Kmeans(X,K)? […]=Kmeans(…,’Param1’,Val1,’Param2’,Val2,…)

各輸入輸出參數(shù)介紹：

X N*P的數(shù)據(jù)矩陣 K 表示將X劃分為幾類，為整數(shù) Idx N*1的向量，存儲的是每個點的聚類標號 C K*P的矩陣，存儲的是K個聚類質心位置 sumD 1*K的和向量，存儲的是類間所有點與該類質心點距離之和 D N*K的矩陣，存儲的是每個點與所有質心的距離 […]=Kmeans(…,'Param1',Val1,'Param2',Val2,…) 這其中的參數(shù)Param1、Param2等，主要可以設置為如下： 1. ‘Distance’(距離測度) ‘sqEuclidean’ 歐式距離(默認時，采用此距離方式) ‘cityblock’ 絕度誤差和，又稱：L1 ‘cosine’ 針對向量 ‘correlation’?? 針對有時序關系的值 ‘Hamming’ 只針對二進制數(shù)據(jù) 2. ‘Start’(初始質心位置選擇方法) ‘sample’ 從X中隨機選取K個質心點 ‘uniform’ 根據(jù)X的分布范圍均勻的隨機生成K個質心 ‘cluster’ 初始聚類階段隨機選擇10%的X的子樣本(此方法初始使用’sample’方法) matrix 提供一K*P的矩陣，作為初始質心位置集合 3. ‘Replicates’(聚類重復次數(shù))?? 整數(shù)

Empty cluster created at iteration XXX 是因為在分群的過程中有某些群落沒有分配到任何的輸入圖樣 最主要的原因在于各群的初始値設定不洽當 建議改進算法 或者設置kmeans遇到空群時的參數(shù) 默認參數(shù)是報錯 就是樓主遇到的 'emptyaction':'error'|'drop'|'singleton' 上面是3個可選參數(shù)，分別對應 報錯|丟棄空群|創(chuàng)建新群 如選用第2個參數(shù)可以這樣調用 kmeans(X,2,'emptyaction','drop') 當然 還有其他一些參數(shù) 可用命令 help? kmeans

總結

以上是生活随笔為你收集整理的matlab错位相减,matlab随手记的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。