✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
这个 radarChart 类是一个功能强大且灵活的 MATLAB 工具，用于创建美观的雷达图（也称为蜘蛛图或极坐标图）。它封装了雷达图的绘制逻辑，提供了丰富的自定义选项，使得用户能够轻松生成 publication 级别的图表。
一、类结构与核心功能解析
1. properties：属性定义
该类的属性可分为以下几类：
-
核心数据与容器：
XData：雷达图的核心数据，
ClassNum x PropNum的矩阵，每行代表一个类别，每列代表一个属性维度。ax：图表所在的
Axes对象句柄。Parent：一个备用的父容器句柄，通常也指向
Axes。
-
外观与布局控制：
RRange：背景圆环的范围（默认
[0, 1]），用于调整图表的大小和视觉焦点。Rotation：初始旋转角度（单位：弧度），允许你将某个属性维度旋转到特定位置（例如，顶部）。
ThetaDir：标签排布方向（
'normal'或'reverse'），控制属性标签是顺时针还是逆时针排列。Type：绘图类型（
'Line'、'Patch'或'Both'），决定是只绘制线条、只绘制填充区域，还是两者都绘制。
-
标签与图例：
ClassName：一个元胞数组，存储每个类别的名称，用于图例。
PropName：一个元胞数组，存储每个属性维度的名称，用于坐标轴标签。
RTickLabelFormat：一个函数句柄，用于自定义半径刻度标签的格式化方式（默认保留两位小数）。
-
刻度与范围：
RTick：半径方向的刻度值。如果未指定，类会自动计算。
RLim：数据的显示范围
[min, max]。SepList：一个辅助数组，用于在自动计算刻度时选择合适的间隔。
-
样式与颜色：
CList：预设的颜色列表，用于为不同类别着色。
PropNum,
ClassNum：分别是属性维度数量和类别数量，由XData自动计算得出。
-
对象句柄：
PatchHdlP,
PatchHdlL等一系列句柄，指向图中绘制的各种图形对象（如填充块、线条、文本等）。这使得在对象创建后，仍能方便地修改其属性。
2. methods：方法定义
-
radarChart(varargin)(构造函数)：-
初始化一个
radarChart对象。 -
解析输入参数，包括数据
XData和各种可选的属性设置（如ClassName,PropName）。 -
为未指定的属性设置默认值（例如，自动生成类别和属性名称）。
-
-
draw(obj)(核心绘图方法)：-
这是类的核心，负责执行实际的绘图操作。
- 步骤
：
-
设置
Axes的基本属性，使其看起来像一个极坐标图（隐藏直角坐标轴，设置等宽高比）。 -
绘制背景圆形。
-
计算并绘制角度刻度线（
ThetaTick），每个刻度对应一个属性维度。 -
计算并绘制半径刻度线（
RTick），这些是同心圆。 -
根据
XData绘制每个类别的雷达图主体，创建Patch（填充）和Line（线条）对象。 -
根据
Type属性控制Patch和Line的可见性。 -
在相应位置添加半径标签（
RLabel）和属性标签（PropLabel）。
-
-
set...系列方法：-
如
setType,setBkg,setPropLabel等。 -
这些是辅助方法，提供了一种便捷的方式来修改图表的特定属性，并能实时更新图表的显示。例如，
setType不仅会改变obj.Type的值，还会立即调整Patch和Line对象的'Visible'属性。
-
-
legend(obj)和setLegend(obj, varargin)：-
用于创建图例，并提供修改图例属性的接口。
-
-
setData(obj, Data)：-
允许用户在不重新创建对象的情况下，更新雷达图的数据。这对于动态数据可视化非常有用。
-
⛳️ 运行结果
📣 部分代码
Type='Line'; % 'Line' / 'Patch' / 'Both'
ClassName={};
PropName={};
PropNum; ClassNum
CList=[198,199,201; 38, 74, 96; 209, 80, 51; 241,174, 44; 12,13,15;
102,194,165; 252,140, 98; 142,160,204; 231,138,195;
166,217, 83; 255,217, 48; 229,196,148; 179,179,179]./255;
% 句柄
ThetaTickHdl;RTickHdl;RLabelHdl;LgdHdl;
PatchHdlL;PatchHdlP;PropLabelHdl;BkgHdl;
RTickLabelFormat = @(X) sprintf('%.2f',X)
end
methods
function obj=radarChart(varargin)
if isa(varargin{1},'matlab.graphics.axis.Axes')
obj.ax=varargin{1};varargin(1)=[];
else
end
obj.XData=varargin{1};varargin(1)=[];
obj.PropNum=size(obj.XData,2);
obj.ClassNum=size(obj.XData,1);
obj.RLim=[0,max(max(obj.XData))];
% 获取其他信息
for i=1:2:(length(varargin)-1)
tid=ismember(obj.arginList,varargin{i});
if any(tid)
obj.(obj.arginList{tid})=varargin{i+1};
end
end
if isempty(obj.ax)&&(~isempty(obj.Parent))
obj.ax=obj.Parent;
end
if isempty(obj.ax)
obj.ax=gca;
end
obj.ax.NextPlot='add';
if isempty(obj.ClassName)
for i=1:obj.ClassNum
obj.ClassName{i}=['class ',num2str(i)];
end
end
if isempty(obj.PropName)
for i=1:obj.PropNum
obj.PropName{i}=['prop ',num2str(i)];
end
end
help radarChart
end
function obj=draw(obj)
obj.ax.XLim=[-1.01,1.01];
obj.ax.YLim=[-1.01,1.01];
obj.ax.XTick=[];
obj.ax.YTick=[];
obj.ax.XColor='none';
obj.ax.YColor='none';
obj.ax.PlotBoxAspectRatio=[1,1,1];
% 绘制背景圆形
tt=linspace(0,2*pi,200);
obj.BkgHdl=fill(obj.ax,cos(tt),sin(tt),[252,252,252]./255,'EdgeColor',[200,200,200]./255,'LineWidth',1);
% 绘制Theta刻度线
tn=linspace(0,2*pi,obj.PropNum+1);tn=tn(1:end-1);
ttn = tn;
tn = tn + obj.Rotation;
if strcmpi(obj.ThetaDir,'reverse')
tn = [tn(1), tn(end:-1:2)];
end
XTheta=[cos(tn);cos(tn).*obj.RRange(1);nan([1,obj.PropNum])];
YTheta=[sin(tn);sin(tn).*obj.RRange(1);nan([1,obj.PropNum])];
obj.ThetaTickHdl=plot(obj.ax,XTheta(:),YTheta(:),'Color',[200,200,200]./255,'LineWidth',1);
% 绘制R刻度线
if isempty(obj.RTick)
dr=diff(obj.RLim);
sepR=dr./3;
multiE=ceil(log(sepR)/log(10));
sepR=sepR.*10.^(1-multiE);
sepR=obj.SepList(find(sepR<obj.SepList,1)-1)./10.^(1-multiE);
sepNum=floor(dr./sepR);
obj.RTick=obj.RLim(1)+(0:sepNum).*sepR;
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌟 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化
🌟 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌟 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化
🌟 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、
🌟 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
扫一扫
1087
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
