回路型张拉整体结构及其MATLAB构型程序
MATLAB
x[ ]
z
[
]
-50050
-50
-40
-30
-20
-10
10
20
30
40
50
x[ ]
y
[
]
-50-40-30-20-1001020304050
10
20
30
40
50
60
x[ ]
z
[
]
%
n=4; %------
H=60; %------
h=H*0.5;%-----
R1=50;
R2=60;
phi=3*pi/n; %------
end
N=[N1 N2 N3];
[nr nc]=size(N);
for i=1:nc
plot3(N(1,i),N(2,i),N(3,i),'o');
hold on
end
xlabel('x[ ]'); ylabel('y[ ]'); zlabel('z[ ]');
%---B---
CB=[-eye(n) eye(n) zeros(n,n);zeros(n,n) -eye(n) eye(n);-eye(n) zeros(n,n) eye(n)];
CBT=CB';
B=N*CBT;
[nbr nbc]=size(CBT);
for i=1:nbc;
CBTi=CBT(:,i);
n1n=find(~(CBTi+ones(nbr,1)));
n1=N(:,n1n); n2=N(:,n1n)+B(:,i);
g_b=line([n1(1) n2(1)],[n1(2) n2(2)],[n1(3) n2(3)]);
set([g_b],'LineWidth',3,'color','b');
hold on;
end
%---S---
end
e1=[e1;e1i];
end
for i=1:n
if i==1
e2i=[zeros(1,n-2) 1 0];
elseif i==2
e2i=[zeros(1,n-1) 1];
elseif i>2
e2i=[zeros(1,i-3) 1 zeros(1,n-i+2)];
end
e2=[e2;e2i];
end
for i=0:n-1
if i e3i=[zeros(1,i) -1 1 zeros(1,n-i-2)]; elseif i==n-1 e3i=[1 zeros(1,n-2) -1]; end e3=[e3;e3i]; end CS1=[e3 zeros(n,2*n);zeros(n,2*n) e3]; CS2=[e1 -eye(n) zeros(n,n);-eye(n) e2 zeros(n,n)]; CS3=[zeros(n,n) e1 -eye(n);zeros(n,n) -eye(n) e2]; CS=[CS1;CS2;CS3]; CST=CS'; S=N*CST; [nsr nsc]=size(CST); for i=1:nsc; CSTi=CST(:,i); n2n=find(~(CSTi+ones(nsr,1))); n1=N(:,n2n); n2=N(:,n2n)+S(:,i); s_b=line([n1(1) n2(1)],[n1(2) n2(2)],[n1(3) n2(3)]); set([s_b],'LineWidth',1,'color','r'); hold on; end axis equal 2. Matlab程序 2.1 一次聚类法 X=[11978 12.5 93.5 31908;…;57500 67.6 238.0 15900]; T=clusterdata(X,0.9) 2.2 分步聚类 Step1 寻找变量之间的相似性 用pdist函数计算相似矩阵，有多种方法可以计算距离，进行计算之前最好先将数据用zscore 函数进行标准化。 X2=zscore(X); %标准化数据 Y2=pdist(X2); %计算距离 Step2 定义变量之间的连接 Z2=linkage(Y2); Step3 评价聚类信息 C2=cophenet(Z2,Y2); //0.94698 Step4 创建聚类，并作出谱系图 T=cluster(Z2,6); H=dendrogram(Z2); Matlab提供了两种方法进行聚类分析。 一种是利用 clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用 linkage函数定义变量之间的连接；（3）用 cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。 1．Matlab中相关函数介绍 1.1 pdist函数 调用格式：Y=pdist(X,’metric’) 说明：用‘metric’指定的方法计算 X 数据矩阵中对象之间的距离。’ X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。 metric’取值如下： ‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离； ‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离； ‘minkowski’：明可夫斯基距离；‘cosine’： ‘correlation’：‘hamming’： ‘jaccard’：‘chebychev’：Chebychev距离。 1.2 squareform函数 调用格式：Z=squareform(Y,..) 说明：强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。 1.3 linkage函数 调用格式：Z=linkage(Y,’method’) 说明：用‘method’参数指定的算法计算系统聚类树。 Y：pdist函数返回的距离向量； Matlab GUI编程教程（适用于初学者） 1．首先我们新建一个GUI文件：如下图所示； 选择Blank GUI(Default) 2．进入GUI开发环境以后添加两个编辑文本框，6个静态文本框，和一个按钮，布置如下 图所示； 布置好各控件以后，我们就可以来为这些控件编写程序来实现两数相加的功能了。3．我们先为数据1文本框添加代码； 点击上图所示红色方框，选择edit1_Callback，光标便立刻移到下面这段代码的位置。 1. 2. 3.function edit1_Callback(hObject, eventdata, handles) 4.% hObject handle to edit1 (see GCBO) 5.% eventdata reserved - to be defined in a future version of MATLAB 6.% handles structure with handles and user data (see GUIDATA) 7.% Hints: get(hObject,'String') returns contents of edit1 as text 8.% str2double(get(hObject,'String')) returns contents of edit1 as a double 复制代码 然后在上面这段代码的下面插入如下代码： 1. 2.%以字符串的形式来存储数据文本框1的内容. 如果字符串不是数字，则现实空白内容input = str2num(get(hObject,'String')); %检查输入是否为空. 如果为空,则默认显示为0if (isempty(input)) set(hObject,'String','0')endguidata(hObject, handles); 复制代码 这段代码使得输入被严格限制，我们不能试图输入一个非数字。 4．为edit2_Callback添加同样一段代码 5 现在我们为计算按钮添加代码来实现把数据1和数据2相加的目的。 用3中同样的方法在m文件中找到pushbutton1_Callback代码段 如下； 1.function pushbutton1_Callback(hObject, eventdata, handles) 2.% hObject handle to pushbutton1 (see GCBO) 3.% eventdata reserved - to be defined in a future version of MATLAB 4.% handles structure with handles and user data (see GUIDATA) 复制代码 基本操作 -5/(4.8+5.32)^2 area=pi*2.5^2 x1=1+1/2+1/3+1/4+1/5+1/6 exp(acos(0.3)) a=[1 2 3;4 5 6;7 8 9] a=[1:3,4:6,7:9] a1=[6: -1:1] a=eye(4) a1=eye(2,3) b=zeros(2,10) c=ones(2,10) c1=8*ones(3,5) d=zeros(3,2,2)； r1=rand(2, 3) r2=5-10*rand(2, 3) r4=2*randn(2,3)+3 arr1=[1.1 -2.2 3.3 -4.4 5.5] arr1(3) arr1([1 4]) arr1(1:2:5) arr2=[1 2 3; -2 -3 -4;3 4 5] arr2(1,:) arr2(:,1:2:3) arr3=[1 2 3 4 5 6 7 8] arr3(5:end) arr3(end) 绘图 x=[0:1:10]; y=x.^2-10*x+15; plot(x,y) x=0:pi/20:2*pi y1=sin(x);y2=cos(x); plot(x,y1,'b-'); hold on; plot(x,y2,‘k--’); legend (‘sin x’,‘cos x’); x=0:pi/20:2*pi; y=sin(x); figure(1) plot(x,y, 'r-') grid on 以二元函数图 z = xexp(-x^2-y^2) 为例讲解基本操作，首先需要利用meshgrid 函数生成X-Y平面的网格数据，如下所示： xa = -2:0.2:2; ya = xa; [x,y] = meshgrid(xa,ya); z = x.*exp(-x.^2 - y.^2); mesh(x,y,z); 建立M文件 function fenshu( grade ) if grade > 95.0 disp('The grade is A.'); else if grade > 86.0 disp('The grade is B.'); else 本文在阐述聚类分析方法的基础上重点研究FCM 聚类算法。FCM 算法是一种基于划分的聚类算法，它的思想是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。最后基于MATLAB实现了对图像信息的聚类。 第 1 章概述 聚类分析是数据挖掘的一项重要功能，而聚类算法是目前研究的核心，聚类分析就是使用聚类算法来发现有意义的聚类，即“物以类聚” 。虽然聚类也可起到分类的作用，但和大多数分类或预测不同。大多数分类方法都是演绎的，即人们事先确定某种事物分类的准则或各类别的标准，分类的过程就是比较分类的要素与各类别标准，然后将各要素划归于各类别中。确定事物的分类准则或各类别的标准或多或少带有主观色彩。 为获得基于划分聚类分析的全局最优结果，则需要穷举所有可能的对象划分，为此大多数应用采用的常用启发方法包括：k-均值算法，算法中的每一个聚类均用相应聚类中对象的均值来表示；k-medoid 算法，算法中的每一个聚类均用相应聚类中离聚类中心最近的对象来表示。这些启发聚类方法在分析中小规模数据集以发现圆形或球状聚类时工作得很好，但当分析处理大规模数据集或复杂数据类型时效果较差，需要对其进行扩展。 而模糊C均值(Fuzzy C-means, FCM)聚类方法，属于基于目标函数的模糊聚类算法的范畴。模糊C均值聚类方法是基于目标函数的模糊聚类算法理论中最为完善、应用最为广泛的一种算法。模糊c均值算法最早从硬聚类目标函数的优化中导出的。为了借助目标函数法求解聚类问题，人们利用均方逼近理论构造了带约束的非线性规划函数，以此来求解聚类问题，从此类内平方误差和WGSS(Within-Groups Sum of Squared Error)成为聚类目标函数的普遍形式。随着模糊划分概念的提出，Dunn [10] 首先将其推广到加权WGSS 函数，后来由Bezdek 扩展到加权WGSS 的无限族，形成了FCM 聚类算法的通用聚类准则。从此这类模糊聚类蓬勃发展起来，目前已经形成庞大的体系。 第 2 章聚类分析方法 2-1 聚类分析 聚类分析就是根据对象的相似性将其分群，聚类是一种无监督学习方法，它不需要先验的分类知识就能发现数据下的隐藏结构。它的目标是要对一个给定的数据集进行划分，这种划分应满足以下两个特性：①类内相似性：属于同一类的数据应尽可能相似。②类间相异性：属于不同类的数据应尽可能相异。图2.1是一个简单聚类分析的例子。 MATLAB在电力电子技术中的应用 目录 MATLAB在电力电子技术中的应用 (1) MATLAB in power electronics application (2) 目录 (4) 1绪论 (6) 1.1关于MATLAB软件 (6) 1.1.1MATLAB软件是什么 (6) 1.1.2MATLAB软件的特点和基本操作窗口 (7) 1.1.3MATLAB软件的基本操作方法 (10) 1.2电力电子技术 (12) 1.3MATLAB和电力电子技术 (13) 1.4本文完成的主要内容 (14) 2MATLAB软件在电路中的应用 (15) 2.1基本电气元件 (15) 2.1.1基本电气元件简介 (15) 2.1.2如何调用基本电器元件功能模块 (17) 2.2如何简化电路的仿真模型 (19) 2.3基本电路设计方法 (19) 2.3.1电源功能模块 (19) 2.3.2典型电路设计方法 (20) 2.4常用电路设计法 (21) 2.4.1ELEMENTS模块库 (21) 2.4.2POWER ELECTRONICS模块库 (22) 2.5MATLAB中电路的数学描述法 (22) 3电力电子变流的仿真 (25) 3.1实验的意义 (25) 3.2交流-直流变流器 (25) 3.2.1单相桥式全控整流电路仿真 (26) 3.2.2三相桥式全控整流电路仿真 (38) 3.3三相交流调压器 (53) 3.3.1无中线星形联结三相交流调压器 (53) 3.3.2支路控制三角形联结三相交流调压器 (59) 3.4交流-交流变频电路仿真 (64) 3.5矩阵式整流器的仿真 (67) 数字信号处理Matlab 实现实例 第１章离散时间信号与系统 例1-1 用MATLAB计算序列{-2 0 1 –1 3}和序列{1 2 0 -1}的离散卷积。 解 MATLAB程序如下： a=[-2 0 1 -1 3]; b=[1 2 0 -1]; c=conv(a,b); M=length(c)-1; n=0:1:M; stem(n,c); xlabel('n'); ylabel('幅度'); 图1.1给出了卷积结果的图形，求得的结果存放在数组c中为：{-2 -4 1 3 1 5 1 -3}。 例1-2 用MATLAB计算差分方程 当输入序列为时的输出结果。 解 MATLAB程序如下： N=41; a=[0.8 -0.44 0.36 0.22]; b=[1 0.7 -0.45 -0.6]; x=[1 zeros(1,N-1)]; k=0:1:N-1; y=filter(a,b,x); stem(k,y) xlabel('n');ylabel('幅度') 图 1.2 给出了该差分方程的前41个样点的输出，即该系统的单位脉冲响应。 例1-3 用MATLAB 计算例1-2差分方程 所对应的系统函数的DTFT 。 解 例1-2差分方程所对应的系统函数为： 123 123 0.80.440.360.02()10.70.450.6z z z H z z z z -------++= +-- 其DTFT 为 23230.80.440.360.02()10.70.450.6j j j j j j j e e e H e e e e ωωωω ωωω--------++= +-- 用MATLAB 计算的程序如下： k=256; num=[0.8 -0.44 0.36 0.02]; den=[1 0.7 -0.45 -0.6]; w=0:pi/k:pi; h=freqz(num,den,w); subplot(2,2,1); plot(w/pi,real(h));grid title('实部') xlabel('\omega/\pi');ylabel('幅度') MATLAB 程序设计方法及若干程序实例 樊双喜 (河南大学数学与 信息科学学院开封475004) 摘要本文通过对 MATLAB 程序设计中的若干典型问题做简要的分析和总结,并在此基础上着重讨论了有关算法设计、程序的调试与测试、算法与程序的优化以及循环控制等方面的问题.还通过对一些程序实例做具体解析,来方便读者进行编程训练并掌握一些有关MATLAB 程序设计方面的基本概念、基本方法以及某些问题的处理技巧等.此外,在文章的最后还给出了几个常用数学方法的算法程序, 供读者参考使用.希望能对初学者进行 MATLAB 编程训练提供一些可供参考的材料,并起到一定的指导和激励作用,进而为MATLAB 编程入门打下好的基础. 关键字算法设计；程序调试与测试；程序优化；循环控制 1 算法与程序 1.1 算法与程序的关系算法被称为程序的灵魂,因此在介绍程序之前应先了 解什么是算法.所谓算 法就是对特定问题求解步骤的一种描述.对于一个较复杂的计算或是数据处理的问题,通常是先设计出在理论上可行的算法,即程序的操作步骤,然后再按照算法逐步翻译成相应的程序语言,即计算机可识别的语言. 所谓程序设计,就是使用在计算机上可执行的程序代码来有效的描述用于解决特定问题算法的过程.简单来说,程序就是指令的集合.结构化程序设计由于采用了模块分化与功能分解,自顶向下,即分而治之的方法,因而可将一个较复杂的问题分解为若干子问题,逐步求精.算法是操作的过程,而程序结构和程序流程则是算法的具体体现. 1.2MATLAB 语言的特点 MATLAB 语言简洁紧凑,使用方便灵活,库函数极其丰富,其语法规则与科技人员的思维和书写习惯相近,便于操作.MATLAB 程序书写形式自由,利用其丰富 题目：matlab实现Kmeans聚类算法 姓名吴隆煌 学号41158007 背景知识 1.简介： Kmeans算法是一种经典的聚类算法，在模式识别中得到了广泛的应用，基于Kmeans的变种算法也有很多，模糊Kmeans、分层Kmeans 等。 Kmeans和应用于混合高斯模型的受限EM算法是一致的。高斯混合模型广泛用于数据挖掘、模式识别、机器学习、统计分析。Kmeans 的迭代步骤可以看成E步和M步，E：固定参数类别中心向量重新标记样本，M：固定标记样本调整类别中心向量。K均值只考虑（估计）了均值，而没有估计类别的方差，所以聚类的结构比较适合于特征协方差相等的类别。 Kmeans在某种程度也可以看成Meanshitf的特殊版本，Meanshift 是一种概率密度梯度估计方法（优点：无需求解出具体的概率密度，直接求解概率密度梯度。），所以Meanshift可以用于寻找数据的多个模态（类别），利用的是梯度上升法。在06年的一篇CVPR文章上，证明了Meanshift方法是牛顿拉夫逊算法的变种。Kmeans 和EM算法相似是指混合密度的形式已知（参数形式已知）情况下，利用迭代方法，在参数空间中搜索解。而Kmeans和Meanshift相似是指都是一种概率密度梯度估计的方法，不过是Kmean选用的是特殊的核函数（uniform kernel），而与混合概率密度形式是否已知无关，是一种梯度求解方式。 k-means是一种聚类算法，这种算法是依赖于点的邻域来决定哪些 点应该分在一个组中。当一堆点都靠的比较近，那这堆点应该是分到同一组。使用k-means，可以找到每一组的中心点。 当然，聚类算法并不局限于2维的点，也可以对高维的空间（3维，4维，等等）的点进行聚类，任意高维的空间都可以。 上图中的彩色部分是一些二维空间点。上图中已经把这些点分组了，并使用了不同的颜色对各组进行了标记。这就是聚类算法要做的事情。 这个算法的输入是： 1：点的数据（这里并不一定指的是坐标，其实可以说是向量） 2：K，聚类中心的个数（即要把这一堆数据分成几组） 所以，在处理之前，你先要决定将要把这一堆数据分成几组，即聚成几类。但并不是在所有情况下，你都事先就能知道需要把数据聚成几类的。但这也并不意味着使用k-means就不能处理这种情况，下文中会有讲解。 把相应的输入数据，传入k-means算法后，当k-means算法运行完后，该算法的输出是： 1：标签（每一个点都有一个标签，因为最终任何一个点，总会被分到某个类，类的id号就是标签） 2：每个类的中心点。 标签，是表示某个点是被分到哪个类了。例如，在上图中，实际上 第4章M A T L A B程序流程控制-习题答案 第4章MATLAB程序流程控制 习题4 一、选择题 1．下列关于脚本文件和函数文件的描述中不正确的是（）。A A．函数文件可以在命令行窗口直接运行 B．去掉函数文件第一行的定义行可转变成脚本文件 C．脚本文件可以调用函数文件 D．函数文件中的第一行必须以function开始 2．下列程序的输出结果是（）。D y=10; ify==10 y=20; elseify>0 y=30 end disp(y) A．1B．30C．10D．20 3．有以下语句： a=eye(5); forn=a(2:end,:) for循环的循环次数是（）。C A．3B．4C．5D．10 4．设有程序段 k=10; whilek k=k-1 end 则下面描述中正确的是（）。A A．while循环执行10次B．循环是无限循环 C．循环体语句一次也不执行D．循环体语句执行一次 5．有以下程序段： x=reshape(1:12,3,4); m=0; n=0; fork=1:4 ifx(:,k)<=6 m=m+1; else n=n+1; end end 则m 和n 的值分别是（）。C A ．66 B ．21 C ．22 D ．12 6．调用 函数时 ，如 果函数 文件名与 函数 名不一 致用（）。A A ．函数文件名B ．函数名 C ．函数文件名或函数名均可 D ．@函数名 7．如果有函数声明行为“f unction[x,y,z]=f1(a,b,c)”，则下述函数调用格式中错误的是 （）。B A ．x=f1(a,b,c)B ．[x,y,z,w]=f1(a,b,c) C ．[x,b,z]=f1(a,y,c)D ．[a,b]=f1(x,y,z) 8．执行语句“f n=@(x)10*x;”，则fn 是（）。A A ．匿名函数B ．函数句柄C ．字符串D ．普通函数 9．执行下列语句后，变量A 的值是（）。D >>f=@(x,y)log(exp(x+y)); >>A=f(22,3); A ．22,3B ．22C ．3D ．25 10．程序调试时用于设置断点的函数是（）。A A ．dbstopB ．dbclearC ．dbcontD ．dbstack 二、填空题 1．将有 关M A T L A B 命令编成程序存储在展名为.m 的文件中，该文件称 为。M 文件 2．有语句“f ork=[12;34]”引导的循环结构，其循环体执行的次数为。1 3．M A T L A B 中用于控制不确定重复次 数 的 循 环 中需要终止该循用的语句为。while ?end ，break 4．函数文件由语 句引导。在函 数 定 义时，函数数。在调用函数时，输入输出为参数。 function ，形式，形参，实际，实参 5．在MATLAB 中，函数文件中的变量是变量。定义变量是函数间 传递信息的一种手段用命令定义。局部，全局，global 6．应用程序的错误有两类，一类是错误，另一类是运行时的错误，即 2 最短距离聚类的matlab实现-1 【2013-5-21更新】 说明：正文中命令部分可以直接在Matlab中运行， 作者(Yangfd09)于2013-5-21 19:15:50在MATLAB R2009a(7.8.0.347)中运行通过 %最短距离聚类（含距离计算，含聚类图） %说明：此程序的优点在于每一步都是自己编写的，很少用matlab现成的指令， %所以更适合于初学者，有助于理解各种标准化方法和距离计算方法。 %程序包含了极差标准化（两种方法）、中心化、标准差标准化、总和标准化和极大值标准化等标准化方法， %以及绝对值距离、欧氏距离、明科夫斯基距离和切比雪夫距离等距离计算方法。 %==========================>>导入数据<<============================== %变量名为test（新建一个以test变量，双击进入Variable Editor界面，将数据复制进去即可）%数据要求：m行n列，m为要素个数，n为区域个数（待聚类变量）。 % 具体参见末页测试数据。 testdata=test; %============================>>标准化<<=============================== %变量初始化，m用来寻找每行的最大值，n找最小值，s记录每行数据的和 [M,N]=size(testdata);m=zeros(1,M);n=9999*ones(1,M);s=zeros(1,M);eq=zeros(1,M); %为m、n和s赋值 for i=1:M for j=1:N if testdata(i,j)>=m(i) m(i)=testdata(i,j); end if testdata(i,j)<=n(i) n(i)=testdata(i,j); end s(i)=s(i)+testdata(i,j); end eq(i)=s(i)/N; end %sigma0是离差平方和，sigma是标准差 sigma0=zeros(M); for i=1:M for j=1:N sigma0(i)=sigma0(i)+(testdata(i,j)-eq(i))^2; end end sigma=sqrt(sigma0/N); 西南科技大学 专业综合设计报告 课程名称：电子专业综合设计 设计名称：基于Matlab 的单边带调幅电路仿真 姓名： 学号: 班级：电子0902 指导教师：郭峰 起止日期：2012.11.1-2012.12.30 西南科技大学信息工程学院制 专业综合设计任务书学生班级：电子0902 学生姓名：邓彪学号：20095885 设计名称：基于Matlab 的单边带调幅电路仿真 起止日期：2012.11.1-2012.12.30指导教师：郭峰 专业综合设计学生日志 专业综合设计考勤表 专业综合设计评语表 基于Matlab的单边带调幅电路仿真 一、设计目的和意义 1．加深理解模拟线性单边幅度调制（SSB）的原理。 2．熟悉MATLAB相关函数的运用。 3．掌握参数设置方法和性能分析方法。 4．掌握产生单边调幅信号的方法和解调的原理。 5．通过利用MATLAB实现单边调幅信号的调制和解调了解相干解调的重要性。 二、设计原理 1．SSB调制原理 信号的调制主要是在时域上乘上一个频率较高的载波信号,实现频率的搬移,使有用信号容易被传播。单边带调幅信号可以通过双边带调幅后经过滤波器实现。 单边带调幅方式是指仅发送调幅信号上、下边带中的一个信号。 双边带信号两个边带中的任意一个都包含了调制信号频谱的所有频谱成分，因此仅传输其中一个边带即可。这样既节省发送功率，还可节省一半传输频带，这种方式称为单边带调制。 产生单边带调幅信号的方法有：滤波法、相移法。 2. 滤波法 滤波法产生SSB信号的模型如下图所示 图2.1 滤波法调制图 LPF、HPF需要理想的形式 ,但是实际上是做不到的 ,过渡带不可能是0。 因此需要采用多级调制[6]。 1.硬币模拟试验 源代码： clear; clc; head_count=0; p1_hist= [0]; p2_hist= [0]; n = 1000; p1 = 0.3; p2=0.03; head = figure(1); rand('seed',sum(100*clock)); fori = 1:n tmp = rand(1); if(tmp<= p1) head_count = head_count + 1; end p1_hist (i) = head_count /i; end figure(head); subplot(2,1,1); plot(p1_hist); grid on; hold on; xlabel('重复试验次数'); ylabel('正面向上的比率'); title('p=0.3试验次数N与正面向上比率的函数图'); head_count=0; fori = 1:n tmp = rand(1); if(tmp<= p2) head_count = head_count + 1; end p2_hist (i) = head_count /i; end figure(head); subplot(2,1,2); plot(p2_hist); grid on; hold on; xlabel('重复试验次数'); ylabel('正面向上的比率'); title('p=0.03试验次数N与正面向上比率的函数图'); 实验结果： 2.不同次数的随机试验均值方差比较 源代码： clear ; clc; close; rand('seed',sum(100*clock)); Titles = ['n=5时' 'n=20时' 'n=25时' 'n=50时' 'n=100时']; Titlestr = cellstr(Titles); X_n_bar=[0]; %the samples of the X_n_bar X_n=[0]; %the samples of X_n N=[5,10,25,50,100]; j=1; num_X_n = 100; num_X_n_bar = 100; h_X_n_bar = figure(1); 第4章 MATLAB程序流程控制 习题4 一、选择题 1．下列关于脚本文件和函数文件的描述中不正确的是（）。 A A．函数文件可以在命令行窗口直接运行 B．去掉函数文件第一行的定义行可转变成脚本文件 C．脚本文件可以调用函数文件 D．函数文件中的第一行必须以function开始 2．下列程序的输出结果是（）。D y=10; if y==10 y=20; elseif y>0 y=30 end disp(y) A．1 B．30 C．10 D．20 3．有以下语句： a=eye(5); for n=a(2:end,:) for循环的循环次数是（）。C A．3 B．4 C．5 D．10 4．设有程序段 k=10; while k k=k-1 end 则下面描述中正确的是（）。A A．while循环执行10次B．循环是无限循环C．循环体语句一次也不执行D．循环体语句执行一次5．有以下程序段： x=reshape(1:12,3,4); m=0; n=0; for k=1:4 if x(:,k)<=6 m=m+1; else n=n+1; end end 则m和n的值分别是（）。C A．6 6 B．2 1 C．2 2 D．1 2 6．调用函数时，如果函数文件名与函数名不一致，则使用（）。A A．函数文件名 B．函数名 C．函数文件名或函数名均可 D．@函数名 7．如果有函数声明行为“function [x,y,z]=f1(a,b,c)”，则下述函数调用格式中错误的是（）。B A．x=f1(a,b,c) B．[x,y,z,w]=f1(a,b,c) C．[x,b,z]=f1(a,y,c) D．[a,b]=f1(x,y,z) 8．执行语句“fn=@(x) 10*x;”，则 fn是（）。A A．匿名函数 B．函数句柄 C．字符串 D．普通函数 9．执行下列语句后，变量A的值是（）。D >> f=@(x,y) log(exp(x+y)); >> A=f(22,3); A．22,3 B．22 C．3 D．25 10．程序调试时用于设置断点的函数是（）。A A．dbstop B．dbclear C．dbcont D．dbstack 二、填空题 1．将有关MATLAB命令编成程序存储在一个扩展名为.m的文件中，该文件称为。M文件 2．有语句“for k=[12;34]”引导的循环结构，其循环体执行的次数为。1 3．MATLAB中用于控制不确定重复次数的循环语句为，若在循环执行过程中需要终止该循环时采用的语句为。while…end，break 4．函数文件由语句引导。在函数定义时，函数的输入输出参数称为参数，简称。在调用函数时，输入输出参数称为参数，简称。 function，形式，形参，实际，实参 5．在MATLAB中，函数文件中的变量是变量。定义变量是函数间传递信息的一种手段，可以用命令定义。局部，全局，global 6．应用程序的错误有两类，一类是错误，另一类是运行时的错误，即错 用matlab做聚类分析 Matlab提供了两种方法进行聚类分析。 一种是利用clusterdata函数对样本数据进行一次聚类，其缺点为可供用户选择的面较窄，不能更改距离的计算方法； 另一种是分步聚类：（1）找到数据集合中变量两两之间的相似性和非相似性，用pdist函数计算变量之间的距离；（2）用linkage函数定义变量之间的连接；（3）用cophenetic函数评价聚类信息；（4）用cluster函数创建聚类。1．Matlab中相关函数介绍 1.1pdist函数 调用格式：Y=pdist(X,’metric’) 说明：用‘metric’指定的方法计算X数据矩阵中对象之间的距离。’X：一个m×n的矩阵，它是由m个对象组成的数据集，每个对象的大小为n。 metric’取值如下： ‘euclidean’：欧氏距离（默认）；‘seuclidean’：标准化欧氏距离； ‘mahalanobis’：马氏距离；‘cityblock’：布洛克距离； ‘minkowski’：明可夫斯基距离；‘cosine’： ‘correlation’：‘hamming’： ‘jaccard’：‘chebychev’：Chebychev距离。 1.2squareform函数 调用格式：Z=squareform(Y,..) 说明：强制将距离矩阵从上三角形式转化为方阵形式，或从方阵形式转化为上三角形式。 1.3linkage函数 调用格式：Z=linkage(Y,’method’) 说明：用‘method’参数指定的算法计算系统聚类树。 Y：pdist函数返回的距离向量； method：可取值如下： ‘single’：最短距离法（默认）；‘complete’：最长距离法； ‘average’：未加权平均距离法；‘weighted’：加权平均法； ‘centroid’：质心距离法；‘median’：加权质心距离法； ‘ward’：内平方距离法（最小方差算法） 返回：Z为一个包含聚类树信息的（m-1）×3的矩阵。 1.4dendrogram函数 调用格式：[H，T，…]=dendrogram(Z,p，…) 说明：生成只有顶部p个节点的冰柱图（谱系图）。 1.5cophenet函数 调用格式：c=cophenetic(Z,Y) 说明：利用pdist函数生成的Y和linkage函数生成的Z计算cophenet相关系数。 1.6cluster函数 调用格式：T=cluster(Z,…) 说明：根据linkage函数的输出Z创建分类。 张拉整体结构的工程应用综述 夏巨伟 (浙江大学空间结构研究中心) 摘要：“张拉整体”（Tensegrity ）概念是美国著名建筑师R.B.Fuller 的发明，是“张拉”（tensile ）和“整体”（integrity ）的缩合。富勒认为宇宙的运行是按照张拉一只析原理进行的，即万有引力是一个平衡的张力网，而各个星球是这个网中的一个个孤立点。由于张拉整体结构固有的符合自然规律的特点，可最大限度地利用了材料和截面的特性，可以用尽量少的钢材建造超大跨度建筑。也被建筑师和结构工程师认为是未来的结构体系。本文重点对张拉整体在各领域的应用进行了介绍。 关键词：张拉整体；Aigle 自行车馆；Kurilpa bridge ； 张拉整体结构不依赖支撑体系就能够保持自身的稳定，是真正意义上的自平衡体系，由于其先进的构造学和力学理念，而被建筑师和结构工程师认为是未来的结构体系[4]。早期对张拉整体结构的研究主要集中在建筑小品和雕塑上(图1.1)，近年来为促进张拉整体结构的工程应用Motro 研究小组对张拉整体双层网格结构、张拉整体人行桥开展了系统的研究[5, 6]。迄今为止，已有一些张拉整体结构(或由张拉整体模块构成的结构)陆续建成，Passera 和Pedretti 在2002年的瑞士世界博览会在展示了一个网格型张拉整体模型，继而他们又设计了瑞士Aigle 奥林匹克自行车馆张拉整体屋盖(椭圆平面90.8m ×66.83m ，见图1.2)。2009年澳大利亚Brisbane 建成了世界上第一座张拉整体桥梁建筑——470m 的Kurilpa 人行桥(图1.3)。另外，张拉整体结构也引起了家具(图1.4)、医学(图1.5)、机器人学、生物力学、航空航天等众多领域的兴趣。 (a) X 型模型 (b) 双层穹顶模型 信息科学 基于Matlab/Sim ulink的电工学电路仿真 朱霞清 （山东英才学院机械制造及其自动化工程学院，山东济南250104） 引言 目前,《电工学》课程所涉及的理论和技术应用十分广泛,发展迅速,并且日益渗透到其他学科领域,在我国社会主义现代化建设中具有重要的作用。《电工学》课程是高等学校工程类专业的一门技术基础课程,是我校面向机械制造、电气自动化、计算机信息技术、建筑工程等工科类专业开设的一门技术基础课程。这门课程知识覆盖面广,理论严密,逻辑性强,且有广阔的工程背景,其教学内容中有许多教学难点过于抽象,用传统的教学模式教师无法讲解清楚,学生也难以理解和接受。因此在电工学的教学过程中可以借助其他方式来加强教学效果。Matlab由于其本身具有的特点成为电类课程教学中的一个重要的工具。 1MA IAB简介 M ATLAB是Matrix Laboratory的缩写,其核心是一个基于矩阵运算的快速解释程序,它以交互式接受用户输入的各项指令,输出计算结果,它提供了一个开放式的集成环境,用户可以运行系统提供的大量的命令,包括数值计算和图形绘制等。Simulink是基于M ATLAB语言环境下的一个集成软件包,具有框图界面和交互仿真功能的动态系统建模、仿真和综合分析等功能。Simulink处理的系统包括:线性、非线性系统,离散、连续及混合系统,单任务、多任务离散事件系统,用户只需在Simulink提供的图形用户界面GUI上,对所需要的系统模块进行鼠标的简单拖拉操作,就可构造出复杂的仿真和分析模型。 M ATLAB提供很多工具箱,以MATLAB6.5为例,在电工学CAI中,分析和计算所要用到的Simulink工具库模块库集主要有: (1)Simulink库集;(2)PowerSystems库集(PSB);(3)Extra Simulink库集。 2电工学电路的仿真 2.1直流电路求解 利用Matlab分析电路时,应该首先对电路进行分析,列出电流方程和电压方程,然后将方程用矩阵形式表示,最后用Matlab求解矩阵的方法得到所求电流和电压。 如图所示,已知,,, ,,采用支路电流法列写支路电流方程和回路电压方程。 列出方程为: 上面这个三元一次方程组可以改写为下 面矩阵的形式 定义上面这个方程最左边这个矩阵为系 数矩阵A,第二个矩阵为电流矩阵I,右边这个矩 阵为U,因此可得到A.I=U,所以电流矩阵 I=A-1U。可在matlab窗口键入如下指令: < matlab实现Kmeans聚类算法 1.简介： Kmeans和应用于混合高斯模型的受限EM算法是一致的。高斯混合模型广泛用于数据挖掘、模式识别、机器学习、统计分析。Kmeans 的迭代步骤可以看成E步和M步，E：固定参数类别中心向量重新标记样本，M：固定均值只考虑（估计）了均值，而没有估计类别的方差，所以聚类的结构比较适合于特征协方差相等的类别。 Kmeans在某种程度也可以看成Meanshitf的特殊版本，Meanshift 是所以Meanshift可以用于寻找数据的多个模态（类别），利用的是梯度上升法。在06年的一篇CVPR文章上，证明了Meanshift方法是牛顿拉夫逊算法的变种。Kmeans和EM算法相似是指混合密度的形式已知（参数形式已知）情况下，利用迭代方法，在参数空间中搜索解。而Kmeans和Meanshift相似是指都是一种概率密度梯度估计的方法，不过是Kmean选用的是特殊的核函数（uniform kernel），而与混合概率密度形式是否已知无关，是一种梯度求解方式。 k-means是一种聚类算法，这种算法是依赖于点的邻域来决定哪些点应该分在点，也可以对高维的空间（3维，4维，等等）的点进行聚类，任意高维的空间都可以。 上图中的彩色部分是一些二维空间点。上图中已经把这些点分组了，并使用了不同的颜色对各组进行了标记。这就是聚类算法要做的事情。 这个算法的输入是： 1：点的数据（这里并不一定指的是坐标，其实可以说是向量） 2：K，聚类中心的个数（即要把这一堆数据分成几组） 所以，在处理之前，你先要决定将要把这一堆数据分成几组，即聚成几类。但并不是在所有情况下，你都事先就能知道需要把数据聚成几类的。意味着使用k-means就不能处理这种情况，下文中会有讲解。 把相应的输入数据，传入k-means算法后，当k-means算法运行完后，该算法的输出是： 1：标签（每一个点都有一个标签，因为最终任何一个点，总会被分到某个类，类的id号就是标签） 2：每个类的中心点。 标签，是表示某个点是被分到哪个类了。例如，在上图中，实际上有4中“标签”，每个“标签”使用不同的颜色来表示。所有黄色点我们可以用标签以看出，有3个类离的比较远，有两个类离得比较近，几乎要混合在一起了。 当然，数据集不一定是坐标，假如你要对彩色图像进行聚类，那么你的向量就可以是(b,g,r)，如果使用的是hsv颜色空间，那还可以使用(h,s,v),当然肯定可以有不同的组合例如(b*b,g*r,r*b) ，(h*b,s*g,v*v)等等。 在本文中，初始的类的中心点是随机产生的。如上图的红色点所示，是本文随机产生的初始点。注意观察那两个离得比较近的类，它们几乎要混合在一起，看看算法是如何将它们分开的。 类的初始中心点是随机产生的。算法会不断迭代来矫正这些中心点，并最终得到比较靠5个中心点的距离,选出一个距离最小的(例如该点与第2个中心点的距离是5个距离中最小的),那么该点就归属于该类.上图是点的归类结果示意图. 经过步骤3后,每一个中心center(i)点都有它的”管辖范围”,由于这个中心点不一定是这个管辖范围的真正中心点,所以要重新计算中心点,计算的方法有很多种,最简单的一种是,直接计算该管辖范围内所有点的均值,做为心的中心点new_center(i). 如果重新计算的中心点new_center(i)与原来的中心点center(i)的距离大于一定的阈值（该阈值可以设定），那么认为算法尚未收敛，使用new_center(i)代替center(i)（如图，中心点从红色点聚类分析Matlab程序实现
一个简单的Matlab_GUI编程实例
随机过程matlab程序
MATLAB实现FCM 聚类算法
matlab电力电子仿真教程
数字信号处理Matlab实现实例(推荐给学生)
matlab程序设计实例
matlab实现Kmeans聚类算法
第4章MATLAB程序流程控制-习题答案
最短距离聚类的matlab实现-1(含聚类图-含距离计算)
基于Matlab 的单边带调幅电路仿真
matlab源代码实例
第4章matlab程序流程控制_习题答案
数学实验05聚类分析---用matlab做聚类分析
张拉整体结构工程应用综述
基于Matlab_Simulink的电工学电路仿真
matlab实现Kmeans聚类算法