墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
4.1k累计阅读
4.2k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
一、使用spreadsheet LINK EX工具箱
1、打开clima.xlsx文件，在EXCEL中点击start MATLAB
2、选中年均气温一列所有数值，选择spreadsheet LINK EX下拉菜单中的send data to matlab,将数据发送到MATLAB工作区进行处理，在对话框中输入变量名x，单击确定，用同样操作，将日照数一列作为变量y输入至MATLAB工作区中；
3、在MATLAB窗口下执行如下命令，生成散点图和一次线性回归图
命令：
》figure;hold on;
》plot(x,y,'ko');
》xlabel('平均气温');
》ylabel('日照亮');
》xdata=[ones(size(x,1),1),x];
》b=regress(y,xdata);
》yreg=xdata*b;
》plot(x,yreg,'k');
10 Matlab学习笔记
使用MATLAB对excel文件数据的读写操作
最近建模，刚好用matlab对excel中的数据进行处理，由于自己是个菜鸟，基本都是边问度娘边动手操作。感觉以后还会用得到，在此做个简单的总结，为下一次省点力。。。 excel读写操作：xlsread() 和 xlswrite() xlsread函数原型如下： function [numericData, textData, rawData, customOutput] = xlsread(...
Matlab Spreadsheet Link安装（早期叫excllink）
Matlab和Excel数据交互，安装excllink。
基于MATLAB GUI的Excel数据写入工具设计与实现
MATLAB的图形用户界面（GUI）开发长期以来依赖于其内置的GUIDE（Graphical User Interface Development Environment）工具。作为一款集成在MATLAB中的可视化设计平台，GUIDE允许开发者通过拖放控件的方式快速构建交互式应用程序，而无需手动编写大量底层绘图代码。尤其对于工程技术人员和科研人员而言，它降低了GUI开发的技术门槛，使得专注于算法逻辑与数据处理的同时，也能高效地实现人机交互功能。
用Excel Link实现Excel与Matlab混合编程
Excel Link是一个在Windows环境下实现Excel与Matlab进行链接的插件。通过连接Excel和Matlab，用户可以在Excel工作表空间和宏编程工具中使用Matlab的数值计算，图形处理等功能，不需要脱离Excel环境。同时由Excel Link来保证两个工作环境中的数据交换和同步更新。 Link实现Excel与Matlab混合编程" alt="" src="http://w
matlab 数据 excel处理大全
很实用的 我自己整理的一些文档 希望大家喜欢啊
Matlab操作Excel表格的代码
非常适合初学者的MATLAB操作Excel表格的代码，包括删减表格，移动行列等操作Excel表格的代码
matlab添加超链接到excel
代码示例： exl = actxserver('excel.application'); exlWkbk = exl.Workbooks; exlFile = exlWkbk.Open([docroot '/examples/data.xls']); exl.Visible=1; %This make the Excel COM server visible exlSheet1 = exlFil...
PPT| 公司网络安全意识培训 P73
近年来，随着互联网的不断发展，网络安全问题也日益凸显，各种网络安全事件层出不穷，对个人和企业的信息安全带来了巨大的威胁。针对这一现状，国家加强了对信息安全的保护，相继颁布了多项法律法规，其中最重要的就是网络安全法。本文将从网络安全法和其他相关法律入手，对信息安全的保护措施进行深入分析。 本人在四大咨询机构从事咨询工作多年,二十年一线数字化规划咨询经验，提供制造业数智化转型规划服务，顶层规划/企业架构/数据治理/数据安全解决方案资料干货. 该PPT共73页，原文获取及来源公众号：【智能制造数字化咨询】
Matlab中创建和使用表
以下示例说明如何根据工作区变量创建表，使用表数据，并将表写入文件以供日后使用。table是一个数据类型，可将异构数据和元数据属性（例如变量名称、行名称、说明和变量单位）收集到一个容器中。 表适用于列向数据或表格数据，这些数据通常以列形式存储于文本文件或电子表格中。表中的每个变量可以具有不同的数据类型，但必须具有相同的行数。不过，表中的变量并不限于列向量。例如，表变量可以包含具有多列的矩阵，只要它的行数与其他表变量相同即可。表的典型用途是存储试验数据，使用行表示不同的观测值，使用列表示不同的测量变量。 .
AD9361 Fast Lock实战：Python脚本自动生成Profile寄存器配置（附完整代码）
本文详细介绍了利用Python脚本实现AD9361 Fast Lock Profile寄存器自动化配置的实战方案。通过解析频率合成公式、VCO约束及查表机制，脚本能根据目标频率一键生成完整的16进制寄存器序列，大幅提升射频系统开发中多频点切换的效率和准确性，并支持CSV、JSON、C头文件等多种输出格式，便于与FPGA/嵌入式系统集成。
python特征选择pso_【来点干货】机器学习中常用的特征选择方法及非常详细的Python实例...
花费了很长时间整理编辑，转载请联系作者授权，违者必究。特征选择(Feature selection)是在构建预测模型的过程中减少输入变量的一个过程。它是机器学习中非常重要的一步并在很大程度上可以提高模型预测精度。这里我总结了一些机器学习中常见的比较有用的特征选择方法并附上相关python实现code。希望可以给大家一些启发。首先，我们为什么要进行特征选择呢？它有以下几个优点：减少过拟合：冗余数据常...
利用matlab表格,利用Matlab对excell进行操作
最近搞图像处理，将处理后的结果保存在excell中，注意只是保存数字什么的，并不是保存图像，将处理后图像的特征值保存在excell中，这就需要Matlab与excell之间的通讯了，具体如下所示：首先必须在你的matlab的.m文件下建立一个excell文件(也可以在别的地方建立，此时，路径要在函数中写好……)，名称为data.xls，在Matlab中函数xlswrite就用于向excell写入自...
保姆级教程：在LKD3588开发板上为RK3588添加SC2210摄像头驱动（含完整DTS配置）
本文提供了一份详细的教程，指导如何在LKD3588开发板上为RK3588处理器添加SC2210摄像头驱动，包括完整的DTS配置和内核编译步骤。教程涵盖了环境准备、驱动文件添加、DTS配置详解、内核编译与烧录、驱动测试以及常见问题排查，帮助开发者快速实现SC2210传感器在RK3588平台上的集成与优化。
Matlab环境下操作EXCEL文件
一、读取EXCEL电子表格数据 1、将EXCEL数据直接复制到MATLAB元组阵列变量中 在MATLAB命令行窗口中创建元组阵列变量 >> a=cell(1,1); 在EXCEL中选择待导入的数据，并进行复制操作 在工作区窗口中右击变量a，在弹出的快捷菜单中选择open selection打开变量管理器，点击右键选择paste Excel Data粘贴excel数据 在命令行窗口中查看
CH582低功耗实战：从1.2mA降到5uA，我的蓝牙广播功耗优化笔记
本文详细记录了沁恒CH582蓝牙芯片从1.2mA降至5μA的功耗优化全过程。通过建立基准测试环境、分层排查软件配置与IO状态、精细调优射频参数以及硬件层面的电源管理，实现了极致的低功耗表现。文章还提供了实用的功耗测量方法和典型问题排查指南，为蓝牙设备开发者提供了宝贵的参考经验。
frp内网穿透(socks隧道)
在实验过程中还是遇到了挺多的问题，但好在大多都解决了。不过还是遗留了一些不懂的问题，等以后再慢慢研究了。最后，以上仅为个人的拙见，如何有不对的地方，欢迎各位师傅指正与补充，有兴趣的师傅可以一起交流学习。
MATLAB环境下操作EXCEL文件二
1、使用xlswrite函数将数据写入EXCEL表格
VB.net：VB.net编程语言学习之ADO.net基本名称空间与类的简介、案例应用(实现与SQL数据库编程案例)之详细攻略
ADO.net有六个基础名称空间，除此之外，每个新的数据提供程序还可以有自己的名称空间，如Oracle。在.net中就提供了System.Data.OracleClient名称空间(用于Microsoft建立的Oracle数据库提供的程序)ADO.net体系结构的另一个核心元素是.Net数据提供程序(Data Provider)，它的组件用于进行数据处理(和DataSet的数据访问功能相对应)。：是ADD.net核心名称空间，它包含所有数据提供程序使用的类，这些类表示表、列、行，还有DataSet类；
matlab变量表格中的数据,matlab绘制excel表格里的数据-请问matlab如何从excel表格中读取数据，谢谢...
怎么用matlab将表格中的数据画出来将待的矩阵结构的数据录入Excel中，录入时注意行列原矩阵一一对应录入完保存数据了后续步骤使用方便，命名时我们最好把它命名为我们接下来在MATLAB中要引用的变量名(比如在MATLAB中要将该矩阵作为B矩阵参与运算，就可以把它命名为B.xls，xls为文件扩展名)运行MATLAB程序，点击工具栏上的Import Data工具按钮在弹出的“Import Data...
VCAST创建单元测试工程
选择工作目录，后面创建胡UT工程将会生成到这个目录。
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件
matlab数据接口技术,实战MATLAB之文件与数据接口技术
1.1文件1.2数据接口1.3MATLAB文件和数据接口操作思路1.4MATLAB支持的数据文件格式1.5MATLAB支持的数据接口类型第2章MATLAB程序设计基础2.1MATLAB环境2.1.1命令行窗口(CommandWindow)2.1.2代码编辑器(Editor)2.1.3工作空间窗口(Workspace)2.1.4历史命令窗口(CommandHistory)2.1.5MATLAB帮助(...
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
使用 Matlab 删除 Excel 工作簿工作表脚本
使用 Matlab 删除 Excel 工作簿工作表脚本 去发现同类优质开源项目:https://gitcode.com/ 介绍 此脚本是一款专门用于在 Matlab 环境下删除 Excel 工作簿中指定工作表的工具。它支持删除单个工作表或多个工作表，提供了便捷的方式来管理 Excel 文件中的工作表。 功能 支持删除单个或多个工作表 方便地在 Matlab 环境下操作 Excel 文件 简化的命...
Statistics and Machine Learning Toolbox
Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具
迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)
迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)
matlab,cell数据导出excel文件(.xlsx)
matlab,cell数据导出excel文件(.xlsx)
使用Matlab删除Excel工作簿工作表脚本
使用Matlab删除Excel工作簿工作表脚本 去发现同类优质开源项目:https://gitcode.com/ 在数据处理和分析中，Excel 与 Matlab 的结合使用已经成为了许多技术人员的首选。今天，我将为您介绍一款强大的Matlab脚本：Delete_sheets_Excel，该脚本能够帮助您轻松地在Matlab环境中删除Excel工作簿中的指定工作表。 项目介绍 Delete_she...
实战matlab之文件与数据接口技术,实战MATLAB之文件与数据接口技术
1.1文件1.2数据接口1.3MATLAB文件和数据接口操作思路1.4MATLAB支持的数据文件格式1.5MATLAB支持的数据接口类型第2章MATLAB程序设计基础2.1MATLAB环境2.1.1命令行窗口(CommandWindow)2.1.2代码编辑器(Editor)2.1.3工作空间窗口(Workspace)2.1.4历史命令窗口(CommandHistory)2.1.5MATLAB帮助(...
MATLAB的figure图像提取数据至excel中
filename='datd.xlsx'; obj = get(gca,'children'); x=get(obj, 'xdata'); y=get(obj, 'ydata'); x=x(:); y=y(:); M=[x y]; save(filename,'M','-ascii'); 直接在画好图像的代码后面黏贴上面这串代码就行，会在m文件相同的所属位置生成一个名为data的xlsx文件。数据进去是单列的，在Excel里将数据分列一下就行。 这代码是其他人发在csdn上的，但...
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
3万+
扫一扫
