gtsam因子图工具箱的安装

1.因子图开发环境搭建
VM -> Ubuntu -> matlab ->gtsam->完成配置
2.gtsam的安装和Ubuntu系统下matlab的安装

Mission1:VM和Ubuntu环境配置
Step1:VMware Workstation Pro(需要share空间)(wm17安装教程)
Step2:Ubuntu 20.04(Ubuntu及VM安装教程)
Step3:Boost >= 1.43 (Ubuntu: sudo apt-get install libboost-all-dev)
Step4:CMake >= 3.0 (Ubuntu: sudo apt-get install cmake)
Step5:g++
Step6:sudo apt-get install libtbb-dev
Step7:MKL安装(https://www.intel.com/content/www/us/en/developer/articles/guide/installing-free-libraries-and-python-apt-repo.html)
Step8:matlab下载和安装

Mission2:gtsam安装
Step1:gtsam-4.2a9,需要建立build文件夹。
1 下载gtsam-4.2a9,对链接中选择tags下4.2a9的zip就可以下载,并放入share文件夹中,并解压缩。
在这里插入图片描述

2 使用如下命令将解压后的文件整体复制到Ubuntu home文件夹下
sudo cp -r 文件夹路径/文件夹名 目标文件夹路径

3 在home/gtsam-4.2a9 下建立build文件夹,并cd进去。
mkdir build
cd build

4 将matlab/extern/include 中的matrix.h tmwtypes.h mex.h复制到gtsam文件夹下,与build同级目录中。

5 在build文件下打开终端(或者直接cd进build)分别执行如下命令
sudo cmake -DEXAMPLES_BUILD_MATLAB_TOOLBOX:OPTION=ON -DGTSAM_TOOLBOX_INSTALL_PATH:PATH=/path/install/toolbox …
sudo make install

注意1:当不需要matlab工具箱时,无需输入如下命令,直接sudo cmake … 和sudo make install即可。
注意2:当出现权限问题,可以加上sudo尝试。

Mission3:gtsam安装完成测试
1 在build下打开终端,并输入
sudo make LocalizationExample
sudo make LocalizationExample.run
在这里插入图片描述

2 打开matlab,将toolbox 加入到路径并测试。
在这里插入图片描述

附件:
Ubuntu常用命令
sudo chmod 777 /usr/local/etc/mini-ndn
rm -rf *.txt 用于删除某个文件
sudo cp -r 文件夹路径/文件夹名 目标文件夹路径
sudo cp -r gtsam_toolbox/ ~/
sudo cp 文件路径/文件名 目标文件夹路径
sudo mv former_name new_name
ls -l 列出当前文件权限
sudo chowm -R n gtsam 修改文件所属
sudo chgrp -R n gtsam 修改文件权限
gedit abc.m 创建abc.m文件

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Matlab中因子分析是一种用于数据降维和探索变量之间关联的统计方法。以下是一个基本的Matlab代码示例,用于执行因子分析: 首先,需要准备好数据并导入到Matlab中。假设我们有一个名为data的矩阵,其中包含了多个变量。 ```matlab % 导入数据 data = importdata('data.csv'); % 执行因子分析 [loadings, specVar, T, stats] = factoran(data, numFactors); ``` 在这段代码中,`importdata`函数用于将数据从csv文件中导入到Matlab。你需要确保文件路径正确,并且数据文件按照正确的格式保存。 然后,我们使用`factoran`函数来执行因子分析。参数`data`是输入的数据矩阵,`numFactors`是指定的因子数量。 函数返回四个值。第一个返回值`loadings`是因子载荷矩阵,它显示了每个变量与每个因子之间的关系。第二个返回值`specVar`是特殊方差,它表示数据中不能被因子解释的部分。第三个返回值`T`是转换后的数据矩阵,即将原始数据投影到因子空间中的数据。最后一个返回值`stats`是统计信息,如因子分析的收敛程度等。 你可以使用这些结果来进一步分析和解释数据。例如,你可以通过查看因子载荷矩阵来确定每个因子对应的变量,并使用特殊方差来检查模型的适应程度。 希望这个简单的例子能够帮助你理解在Matlab中执行因子分析的基本步骤。如果需要更详细的代码示例和说明,请参考Matlab的官方文档或其他相关教程。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值