matlab primer

维基百科是更好的选择，因为连不上你选择了百度百科，你是在主动降低自己以及读者的生活标准和智识标准

• ones\zeros\eye向量的应用；函数size和length(返回矩阵中行和列中维数最大的那个)
• 冒号表达式的应用 1:2:1000
• matlab中数据是按照列来存储的。涉及到数据引用相关的问题N(2:4,2)的意义。
• matlab支持矩阵的拼接：把矩阵以行的形式进行拼接：[K,K]的形式是以行的形式进行拼接，[K;K]是按照列的形式进行拼接。
• L=(1:2:6;2 4 6)的结果。
• magic魔方数组
• m(3,2:end);
• linspace的使用生成等差数列logspace使用生成等比数列，reshape重新变形。
• 预定义的日期变量：date、clock、year、month、now、today有些不能单独用
• 常见函数：三角函数sin(pi/6)注意是弧度值。sin里面也可以是一个矩阵，对每一个函数做三角函数运算。反三角函数acos\acot\asin..etc。
  直接用log是自然对数，log10 是以10为底的。abs绝对值。sqrt平方根。ceil天花板函数。floor地板函数，向着负无穷的方向。fix：朝着0进行元整
  round:朝着最近的整数去元整。round:朝着最近的整数去接近。mod取模。rem也是取模的意思，对负数除法有些不同。conv:多项式相乘函数。max：
  求最大值，min对应取最小值。实际是按照列来寻找的。给出的结果是一个行向量的形式。还有median取中位数，mean取得是平均值。sum是求和函数，
  prod是求积函数。sum(X,DIM)dim表示到底是按照行来计算还是按照列来计算，1代表行2代表列。求积函数和求和函数用法一样。conv对多项式进行展开
  例如conv([1 1],[1 1])表示对x+1的平方进行展开。[1 0 0 5 0 0 4][9 0 3 0 7 6].
• 复数，用i来表示虚部。可以用i和j来表示。real取实部，imag是取虚部。abs是求复数的模。abs(1+2j),求辅角是angle，取共轭虚数是直接加撇。
• cross是对矩阵做*，dot是对矩阵做点乘。compan(A)是求伴随矩阵，诶和数学中的伴随矩阵还是不是很一样的。inv是求逆矩阵，只有在行列式不等于0的时候可以取逆矩阵。
  det是求行列式的值。rank是求矩阵的秩，满秩矩阵才有逆矩阵。eig是求矩阵的特征值。trace是求矩阵的迹(主对角线相加求和。)
• std(x) 算出x的标准偏差。 x可以是一行的matrix或者一个多行matrix矩阵
  如果只有一行，那么就是算一行的标准偏差，如果有多行，就是算每一列的标准偏差。
  std（x，a）也是x的标准偏差但是a可以＝0或者1.如果是0和前面没有区别，如果是1就是最后除以n，而不是n－1. （你参考计算标准偏差的公式，一般都用除以n－1的公式。）
  std (x, a,b)这里a表示是要用n还是n－1，如果是a是0就是除以n－1，如果是1就是除以n。
  b这里是维数，比如说
  1 2 3 4
  4 5 6 1
  如果b 是1，就是按照行分，如果b是2就是按照列分
  如果是三维的矩阵，b＝3就按照第三维来分数据
• matlab 的pcolor是画图的，默认会少掉一行和一列，然后就相当于前两者x和y 是确认坐标的，第三者是给出颜色矩阵的。
  下面有一个小例子

`
KK= repmat([0.1:0.1:4],40,1);
x = [1:1:40];
y = [1:1:40];
pcolor(x,y,KK);
colorbar;

• B = repmat(A,m,n)
  B = repmat(A,[m n])
  B = repmat(A,[m n p…])

这是一个处理大矩阵且内容有重复时使用，其功能是以A的内容堆叠在（MxN）的矩阵B中，B矩阵的大小由MxN及A矩阵的内容决定，如果A是一个3x4x5的矩阵，有B = repmat(A,2,3)则最后的矩阵是6x12x5

例如：

B=repmat( [1 2;3 4],2,3)
B =

1 2 1 2 1 2

3 4 3 4 3 4

1 2 1 2 1 2

3 4 3 4 3 4

其结果变为4X6。

• eig Find eigenvalues and eigenvectors
  返回矩阵的特征值和特征向量;
  [V,D] = eig(A)
  D是特征值
  V特征向量
  例如a=[1 2 3;4 5 6;7 8 9]；[V,D]=eig(a)
  结果：
  V =

-0.2320 -0.7858 0.4082
-0.5253 -0.0868 -0.8165
-0.8187 0.6123 0.4082

D =

16.1168 0 0
0 -1.1168 0
0 0 -0.0000
* sum：sum(x,2)表示矩阵x的横向相加，求每行的和，结果是列向量。 而缺省的sum(x)就是竖向相加，求每列的和，结果是行向量. 调用格式：a=diag(x);
* axis一般用来设置axes的样式，包括坐标轴范围，可读比例等
axis([xmin xmax ymin ymax])
axis([xmin xmax ymin ymax zmin zmax cmin cmax]) 坐标轴设置
v = axis
axis auto
axis manual
axis tight
axis fill
axis ij
axis xy
axis equal
axis image
axis square
axis vis3d
axis normal 坐标轴刻度比例等
axis off
axis on 显示与否
axis(axes_handles,…) 根据axes设置
[mode,visibility,direction] = axis(‘state’) 返回当前axes属性

• diag:若x是m*n的矩阵，则a为x对角线元素组成的向量，且a的大小等于x较小的维数，即min(m,n)
  若x是1*m的向量，则a为m*m的矩阵，该矩阵的对角线元素为x。
• flipud: 函数实现矩阵的上下翻转。

• cumsum: 对一个矩阵进行累计求和，可以参考http://blog.sina.com.cn/s/blog_4eb23c8d01011rat.html

• matlab的绘图教程：

%这是一个例子
x=0:0.01:2*pi;
y1=sin(x);
plot(x,y1,'-');
hold on

xlabel('x');
ylabel('u');
grid on
grid off %关闭网格，当然grid本身也可以做网格的切换

y2=cos(x);
plot(x,y2);
legend('xxxx','yuxuan');%用于插入对线的说明

PCA过程

1.特征中心化。即每一维的数据都减去该维的均值。这里的“维”指的就是一个特征（或属性），变换之后每一维的均值都变成了0。

2.计算B的协方差矩阵C:

• View Code
  3.计算协方差矩阵C的特征值和特征向量。
  C=V*S*V-1
  S=
  4.2248414 　　　　0 　　　　　　0 　　　　　　0
  0 　　　　　　　　 0.24224437 　0 　　　　 　 0
  0 　　　　　　　　 0 　　　　　　0.078524387 0
  0 　　　　　　　　 0 　　　　　　0 　　　　　　 0.023681839

V=

0.36158919 　　0.65654382 　　-0.58100304 　　0.3172364
-0.082268924 　　 0.72970845 　　 0.596429220 　　 -0.3240827
0.85657212　　-0.17576972 0.　　072535217 　　 -0.47971643
0.35884438 　　 -0.074704743 　　 0.54904125 　　 0.75113489

4.选取大的特征值对应的特征向量，得到新的数据集。
特征值是由大到小排列的，前两个特征值的和已经超过了所有特征值之和的97%。我们取前两个特征值对应的特征向量，得到一个4×2的矩阵M。令A’150×2=A150×4M4×2，这样我们就把150×4的数据A集映射成了150×2的数据集A’，特征由4个减到了2个。