matlab分布函数代码

附录3 本书自编MATLAB函数的源代码及注释

本书介绍的一些算法和基本概念的应用需要在MATLAB下编辑命令得以实现。为便于读者使用和理解，将其汇编在本附录中。

1 精密度测试光谱的标准方差光谱的计算

本书第2章的（2-9）介绍了应用精密度测试光谱的标准方差评价光谱质量的公式与方法，其应用通过下述自编函数实现（该函数要求输入数据文件为csv格式）：

function [data,x,dirs,stdA]=SVSRS(filedir,filetype,k)

% 对多个光谱进行标准差分析（若各光谱的波长点不相等则该函数无法使用） % filedir—光谱文件所在目录，filetype—文件类型，两者必须以字符串形式输入。

% 例如SVSRS('c:/matlab/work/data/','*.csv'，0)即为对路径c:/matlab/work/data中的光谱进行标准方差计算

% k=0,对原始光谱进行标准方差分析；

% k=1，对光谱进行一阶导数处理后再进行标准方差分析； % k=2，对光谱进行SNV预处理后再进行标准方差分析； % k=3，对光谱进行MSC预处理后再进行标准方差分析 % x为光谱的横坐标（波数或波长），data为光谱吸光

[matlab图像处理] 阈值分割

%迭代式阈值分割 otsu阈值分割 二值化 close all;%关闭所有窗口 clear;%清除变量的状态数据 clc;%清除命令行 I=imread('rice.png'); subplot(2,2,1); imshow(I);

title('1 rice的原图'); %迭代式阈值分割

zmax=max(max(I));%取出最大灰度值 zmin=min(min(I));%取出最小灰度值 tk=(zmax+zmin)/2; bcal=1; [m,n]=size(I); while(bcal)

%定义前景和背景数 iforeground=0; ibackground=0;

%定义前景和背景灰度总和 foregroundsum=0; backgroundsum=0; for i=1:m

for j=1:n

tmp=I(i,j); if(tmp>=tk)

%前景灰度值

iforeground=iforeground+1;

多元线性回归和BP神经网络及决策向量机之间的比较，个人理解：

多元线性回归：就是多个属性的线性组合，在组合时，通过不断调节每个属性的权重来使多元线性回归函数更多的适用于多个样本。

BP神经网络：通过使用最快速下降法，通过反向传播来不断调整网络中的权值和阈值，使网络的误差平方和最小。 决策向量机：它仍是对每个样本操作，使得所有样本距离最终生成的拟合曲线的间隔最小化。 算法比较：

pmm1BP目标函数： J?(?j)22j?1j

?yd权值调整：

k?1?wij????Jk?1?wij决策向量机目标函数：min1/2w^2

支持向量机(Support vector machines，SVM)与神经网络类似，都是学习型的机制，但与神经网络不同的是SVM使用的是数学方法和优化技术。

学习效率的比较：

导入数据： File->import data

参数优化常用方法：

[train_pca,test_pca] = pcaForSVM(train_data,test_data,97);//主元分析

[bestCVmse,bestc,bestg,ga_option]=gaSVMcgForRegress(train_label,train_pca);

多元线性回归和BP神经网络及决策向量机之间的比较，个人理解：

多元线性回归：就是多个属性的线性组合，在组合时，通过不断调节每个属性的权重来使多元线性回归函数更多的适用于多个样本。

BP神经网络：通过使用最快速下降法，通过反向传播来不断调整网络中的权值和阈值，使网络的误差平方和最小。 决策向量机：它仍是对每个样本操作，使得所有样本距离最终生成的拟合曲线的间隔最小化。 算法比较：

pmm1BP目标函数： J?(?j)22j?1j

?yd权值调整：

k?1?wij????Jk?1?wij决策向量机目标函数：min1/2w^2

支持向量机(Support vector machines，SVM)与神经网络类似，都是学习型的机制，但与神经网络不同的是SVM使用的是数学方法和优化技术。

学习效率的比较：

导入数据： File->import data

参数优化常用方法：

[train_pca,test_pca] = pcaForSVM(train_data,test_data,97);//主元分析

[bestCVmse,bestc,bestg,ga_option]=gaSVMcgForRegress(train_label,train_pca);

[matlab图像处理] 阈值分割

%迭代式阈值分割 otsu阈值分割 二值化 close all;%关闭所有窗口 clear;%清除变量的状态数据 clc;%清除命令行 I=imread('rice.png'); subplot(2,2,1); imshow(I);

title('1 rice的原图'); %迭代式阈值分割

zmax=max(max(I));%取出最大灰度值 zmin=min(min(I));%取出最小灰度值 tk=(zmax+zmin)/2; bcal=1; [m,n]=size(I); while(bcal)

%定义前景和背景数 iforeground=0; ibackground=0;

%定义前景和背景灰度总和 foregroundsum=0; backgroundsum=0; for i=1:m

for j=1:n

tmp=I(i,j); if(tmp>=tk)

%前景灰度值

iforeground=iforeground+1;

龙格库塔函数三四阶函数matlab代码实现

三阶龙格—库塔法的计算公式为：

K1 g(xi,yi)

hhK2 g(xi ,yi K1)22 K3 g(xi h,yi hK1 2hK2)

yi 1 yi h(K1 4K2 K3)6

三阶龙格—库塔公式的Matlab程序代码：

function y = DELGKT3_kuta(f, h,a,b,y0,varvec)

format long;

N = (b-a)/h;

y = zeros(N+1,1);

y(1) = y0;

x = a:h:b;

var = findsym(f);

for i=2:N+1

K1 = Funval(f,varvec,[x(i-1) y(i-1)]);

K2 = Funval(f,varvec,[x(i-1)+h/2 y(i-1)+K1*h/2]);

K3 = Funval(f,varvec,[x(i-1)+h y(i-1)-h*K1+K2*2*h]);

y(i) = y(i-1)+h*(K1+4*K2+K3)/6;

end

format short;

DELGKT3_kuta

函数运行时需要调用下列函数：

function fv=Funval(f, varvec, varval)

var= fin

信源函数

randerr 产生比特误差样本

randint 产生均匀分布的随机整数矩阵 randsrc 根据给定的数字表产生随机矩阵 wgn 产生高斯白噪声 信号分析函数

biterr 计算比特误差数和比特误差率 eyediagram 绘制眼图 scatterplot 绘制分布图

symerr 计算符号误差数和符号误差率 信源编码

compand mu律/A律 压缩/扩张

dpcmdeco DPCM（差分脉冲编码调制）解码dpcmenco DPCM编码 dpcmopt 优化DPCM参数

lloyds Lloyd法则优化量化器参数 quantiz 给出量化后的级和输出值 误差控制编码

bchpoly 给出二进制BCH码的性能参数和产生多项式

convenc 产生卷积码

cyclgen 产生循环码的奇偶校验阵和生成矩阵

cyclpoly 产生循环码的生成多项式 decode 分组码解码器 encode 分组码编码器

gen2par 将奇偶校验阵和生成矩阵互相转换

gfweight 计算线性分组码的最小距离

hammgen 产生汉明码的奇偶校验阵和生成矩阵

rsdecof 对Reed-Solomon编码的ASCII文件解码

rsencof

MATLAB函数大全（转）

Matlab有没有求矩阵行数/列数/维数的函数？

ndims(A)返回A的维数

size(A)返回A各个维的最大元素个数 length(A)返回max(size(A))

[m,n]=size(A)如果A是二维数组，返回行数和列数

nnz(A)返回A中非0元素的个数

MATLAB的取整函数:fix(x), floor(x) :,ceil(x) , round(x) (1)fix(x) : 截尾取整.

>> fix( [3.12 -3.12])

ans =

3 -3

(2)floor(x):不超过x 的最大整数.(高斯取整)

>> floor( [3.12 -3.12])

ans =

3 -4

(3)ceil(x) : 大于x 的最小整数

>> ceil( [3.12 -3.12])

ans =

4 -3

(4)四舍五入取整

>> round(3.12 -3.12)

ans =

0

>> round([3.12 -3.12])

ans =

3 -3 >>

如何用matlab生成随机数函数 rand

版本：matlab 2010a

Matlab datafun函数的相关用法

目录：

1.conv2............................................................................................ 2 2.conv.............................................................................................. 3 3.convn ........................................................................................... 4 4.corrcoef ....................................................................................... 4 5. cov ........................................................................

交织码的Matlab代码

从广义上说，交织编码属于分组编码，但由于采用存储器实现交织，它同时又具有卷积编码的记忆特征。在发端，它将分组长度L的信息序列通过交织器重排，在收端通过解交织器恢复原序列，以求使信道中突发错误变为无记忆随机独立差错。交织编码是一种信道改造技术，它通过信号设计将一个原来属于突发差错的有记忆信道改造为基本上是独立差错的随机无记忆信道。交织编码作为克服衰落信道中突发性干扰的有效方法，通常和其它用于纠正无记忆独立差错的信道编码相结合构成级联码（见下文），广泛应用于当代移动通信。

交织码通常表示为（M，N），分组长度L=MN，交织方式用M行N列的交织矩阵表示。一般，交织方式分为分组交织和卷积交织。分组交织的交织矩阵按列写入，按行读出；去交织矩阵按行写入按列读出。卷积交织的交织矩阵和去交织矩阵的写入与读出均按行进行。

本次仿真采用（7，4）卷积交织编码。 性能参数如下：

?123171152721??82241812628???交织矩阵：??

15932519137????2216104262014??分组卷积交织前序号：

[ 1 2 3 4 5 6 7 8 9 10 12 13 14 15 16 17 18 19 20 21 2