MATLAB:1 matlab 与 c++ 数据存储的差异

最新推荐文章于 2025-06-03 10:24:56 发布

原创最新推荐文章于 2025-06-03 10:24:56 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#matlab

编程小札专栏收录该内容

28 篇文章

订阅专栏

本文详细介绍了Matlab和Fortran这两种编程语言的特点，尤其是它们的列优先特性，并通过sum和mean函数进行了实例演示。此外，还介绍了如何在Matlab中使用libsvm进行机器学习任务的具体步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Matlab和Fortran一样，都是列优先的. 与之相反的是C++, 是行优先的.

原因：数学计算里面很多情况下是要将矩阵看成列向量组。

举例：常见的sum和mean函数

sum（）函数：默认列优先

B=sum(A) 对于矩阵A进行每列求和
B=sum(A,dim) 如果dim = 1 对于矩阵A进行每列求和
             如果dim = 2 对于矩阵A进行每行就和

B=sum（A,'double'）
B=sum（A,'native'）
B=sum(A,dim,'double')
B=sum(A,dim,'native') 中的doulbe和native都是对于返回数据类型进行特别的说明

B=sum(A(:))是对矩阵进行全矩阵数值求和。

必须注意一点的是，如果你的矩阵数据类型是cell等无法进行直接求和的数据类型，需要对数据进行预处理。我常遇到的是cell2mat(A)。这样，就可以求和了！

mean（）函数


M = mean(A)
如果A是一个向量，mean(A)返回A中元素的平均值。
如果A是一个矩阵，mean(A)将其中的各列视为向量，把矩阵中的每列看成一个向量，返回一个包含每一列所有元素的平均值的行向量。
如果A是一个多元数组，mean(A)将数组中第一个非单一维的值看成一个向量，返回每个向量的平均值。

M = mean(A,dim)
                对于矩阵，mean(A,1)就是包含每一列的平均值的行向量。
                对于矩阵，mean(A,2)就是包含每一行的平均值的列向量。


A = [1 2 3; 3 3 6; 4 6 8; 4 7 7];
mean(A)
ans =
       3.0000 4.5000 6.0000

mean(A,2)
ans =
       2.0000
       4.0000

       6.0000
       6.0000
mean(A)
当A为向量时，那么返回值为该向量所有元素的均值
当A为矩阵时，那么返回值为该矩阵各列向量的均值
mean(A,2)
返回值为该矩阵的各行向量的均值

MATLAB: bin文件的写入与读取

# matlab生成的bin文件（因为用于C++使用，所以转置保存了。。。）
close all;clear all;clc;
B = randn(5);
fid = fopen('test.bin','wb');
fwrite(fid,B','double');  
fclose(fid);

# matlab读取bin
close all;clear all;clc;
fid = fopen('test.bin','rb');
A = fread(fid,[5,5]'double');  
fclose(fid);

C++: bin文件的写入与读取

待完成。。。

libsvm3.11+3.20(及以后版本)安装

具体步骤：
1.File->set path ->add with subfolders->加入libsvm-3.11/3.20文件夹的解压路径（就是你下载好的主文件夹路径里面包含matlab，Python，windows等子文件夹的那个）

2.mex -setup

3.将matlab当前目录切换到 *:****\libsvm-3.20\matlab

make

4.检验安装是否正确

a.如果你装的是libsvm3.11的话

加载数据方法是,训练和预测方法是：

load heart_scale;
model = svmtrain(heart_scale_label,heart_scale_inst);
[predict_label,accuracy] = svmpredict(heart_scale_label,heart_scale_inst,model);

b.如果你装的是libsvm-3.20的话

加载数据方法是,训练和预测方法是：

[heart_scale_label,heart_scale_inst]= libsvmread('heart_scale');
model = svmtrain(heart_scale_label,heart_scale_inst); 
[predict_label,accuracy,decision_values] = svmpredict(heart_scale_label,heart_scale_inst,model,1);

之所以有区别是因为在libsvm3.11中的heart_scale的格式是mat，matlab可以直接load的，训练和测试的方法也比较老版。

而在libsvm3.20中heart_scale的数据格式是c++版的，matlab需要转换一下才可以使用，加载数据要用libsvmread函数。