zhanghanqmx的博客

plot&poltyyclc,clear;close all;%%%%%%%%%%%%%%%%%%m1=0:0.1:5;m2=0:0.2:10;m3=0:0.15:7.5;y1=cos(m1);y2=sin(m2);y3=cos(m1)+sin(m3);figure (1)subplot(1,2,1);%%%%%%%%% Begin %%%%%%%%%plot(m1,y1);hold on;plot(m2,y2);hold on;plot(m3,y3);ti

绘制方格网格（二维）close all;clc,clear;[x,y]=meshgrid(0:151); %产生网格数据。plot(x,y,'k',y,x,'k'); %横线&竖线。axis equal; %方格网络axis([0 151 0 151]); %设置显示范围。resultEdition：2021/12/12

基于Topsis的熵权法2%%基于Topsis的熵权法代码%% 熵权法部分clc,clear;xij=xlsread('accessory1.xls','A','C2:IH147');[rows,cols]=size(xij); % 输入矩阵的大小,rows为对象个数，cols为指标个数k=1/log(rows); % 求kzij=xij./repmat(sum(xij.*xij).^0.5,rows,1);pij=zij./repmat(sum(zij),rows,1

实现分行读取clc,clear;close all;for p=2:403 str1=strcat('C',num2str(p),':','IH',num2str(p)); str2=strcat('II',num2str(p),':','JF',num2str(p));S=xlsread('accessory1','企业的订货量（m³）',str1);end

最小割集（需手动分析排除）clc,clear;a=[1 1 0 1 0 1 1 1 0; 1 1 0 1 0 1 0 0 1; 1 1 0 0 1 0 0 1 0; 1 1 0 0 1 0 1 0 1; 1 0 1 1 1 0 1 0 1; 1 0 1 1 1 0 0 1 0; 1 0 1 0 0 1 1 1 0; 1 0 1 0 0 1 0 0 1];%8*9[m,n]=size(a);aa=zeros(m,28);aaa=nchoosek

linprog应用示例clc,cleara=0;hold onwhile a<0.05 c=[-0.05,-0.27,-0.19,-0.185,-0.185]; A=[zeros(4,1),diag([0.025,0.015,0.055,0.026])]; b=a*ones(4,1); Aeq=[1,1.01,1.02,1.045,1.065]; beq=1; LB=zeros(5,1); [x,Q]=linprog(c,A,b,Aeq,beq,LB); Q=-Q; plot

非线性规划示例（fmincon）clc,clear;C=0.85;%流量系数delta_p=60;%压强变化量E=2786.4;%弹性模量A=0.7^2*pi;%小孔的面积rho1=0.85;%变化前的燃油密度rho=E*rho1/(E-delta_p);%变化后的燃油密度Q=C*A*sqrt(2*delta_p/rho);%进出高压流管的流量V2=440;%出油量x0=0;[t,fval,exitflag,output]=fmincon(@(t)(1000/(t+10)*Q*t-V2

ARIMA（AFC&PAFC）clc,clear;close all;t = 1:240;y=[2006 1138 993 1027 1155 1175 1299 1786 1781 1570 1387 1635 2795 1679 1329 1585 1406 1260 1814 1556 2143 1963 1555 1217 1738 1261 1141 1099 1274 1325 1197 1596 1923 1789 1606 2174 3089 1746 1571 1545

灰色预测clc,clear;close all;syms a u;c=[a,u]';%构成矩阵A=[2006 1138 993 1027 1155 1175 1299 1786 1781 1570 1387 1635 2795 1679 1329 1585 1406 1260 1814 1556 2143 1963 1555 1217 1738 1261 1141 1099 1274 1325 1197 1596 1923 1789 1606 2174 3089 1746 1571 1545 15

神经网络预测时间序列示例（水痘模型）clc,clear;close all;%% Importing Data and plottingdata=chickenpox_dataset;data=[data{:}];figureplot(data)xlabel("Month")ylabel("Cases")title("Monthy Cases of Chickenpox")%% Converting matrix to cell[t1,t2]=size(data);Target=m

基于Topsis的熵权法clc,clear;testData=xlsread('accessory1.xls','C2:IH403');R=testData;[rows,cols]=size(R); % 输入矩阵的大小,rows为对象个数，cols为指标个数k=1/log(rows); % 求kz=R./repmat(sum(R.*R).^0.5,rows,1);a=sum(z);p=z./repmat(a,rows,1);lnpij=zeros(rows,cols);

绘图3clc,clear;close all;x=-3:0.1:3;y=-5:0.1:5;[x,y]=meshgrid(x,y);z=(sin(x.*y)+eps)./(x.*y+eps);%为避免0/0，分子分母都加epsmesh(x,y,z);resultclc,clear;[x,y]=meshgrid([-3:0.2:3]);z=(sin(x.*y)+eps)./(x.*y+eps);surf(x,y,z);resultclc,clear;x=0:10:600;

算法集锦决策树-划分点function [n,h]=huafendian1(x)%n返回增益%h返回划分点%假设0代表第一类%假设1代表第二类%输入x第一列为属性，第二列为用于学习的分类结果[~,m]=sort(x(:,1));%按小到大排序x=x(m,:);t=[];for i=1:size(x,1)-1t=[t;(x(i,1)+x(i+1,1))/2];%生成划分点end%原分类结果信息熵E1=[];C1=length(find(x(:,2)==0))/size(x,1

Lasso回归clc,clear;close all;data=[1.54 1.61 1.62 1.66 1.71 1.72 1.73 1.86 1.92 2 2.21 2.29 2.34 2.38 2.42 2.44 2.57 2.64 2.71 2.85 2.93 3.01 3.14 3.22 3.34 3.49 3.55 3.79 3.99 4.12 20.1 20.1 20.3 20.4 20.4 20.5 20.6 20.7 20.9 21.1 21.3 21.5 21

计算对数似然相似度clc,clear;%计算对数似然相似度K=[1 2 3; 1 2 3; 1 2 3];N=sum(sum(K));%计算行熵rowEntropy=[K(1,1)*log(K(1,1)/sum(K(1,:))),K(1,2)*log(K(1,2)/sum(K(1,:))),K(2,1)*log(K(2,1)/sum(K(2,:))),K(2,2)*log(K(2,2)/sum(K(2,:)))];rowEntropy(find(isnan(rowEntropy

插值Matlab 实现分段线性插值不需要编制函数程序，Matlab 中有现成的一维插值函数 interp1。y=interp1(x0,y0,x,‘method’)method 指定插值的方法，默认为线性插值。其值可为：‘nearest’ 最近项插值‘linear’ 线性插值‘spline’ 逐段 3 次样条插值‘cubic’ 保凹凸性 3 次插值。所有的插值方法要求 x0 是单调的。当 x0 为等距时可以用快速插值法，使用快速插值法的格式为’*nearest’、’*linear’、‘*

矩阵简化的行阶梯形矩阵（Gauss-Jordan 消元法）clc,clear;A = [1 1 5; 2 1 8; 1 2 7; -1 1 -1];b = [6 8 10 2]';M = [A b];%rref计算行阶梯形矩阵R = rref(M)创建一个向量并计算模v = [1 -2 3];n = norm(v)计算向量的1-范数（该向量中元素模的总和）X = [-2 3 -1];n = norm(X,1)nrm = normes

Graphics Interchange Format图形交换格式GIFPortable Network Graphics便携式网络图形PNGPNG能够提供长度比GIF小30%的无损压缩图像文件。它同时提供24位和48位真彩色图像支持以及其他诸多技术性支持。由于PNG非常新，所以并不是所有的程序都可以用它来存储图像文件，但Photoshop可以处理PNG图像文件，也可以用PNG图像文件格式存储。referencehttps://baike.baidu.com/item/%E5%9B%BE%

分段式规范作图clc,clear;close all;a=zeros(10001,2);x=xlsread('needle_valve_motion_curve.xls','A2:A46');y=xlsread('needle_valve_motion_curve.xls','B2:B46');x2=xlsread('needle_valve_motion_curve.xls','D2:D46');y2=xlsread('needle_valve_motion_curve.xls','E2:E

h=figure; %创建新的figure;plot(......); %产生图像saveas(h, 'figure.png', 'png');

数据拟合clc,clear;x=[0.5,1.0,1.5,2.0,2.5,3.0];y=[1.75,2.45,3.81,4.80,7.00,8.60];p=polyfit(x,y,2);x1=0.5:0.05:3.0;y1=polyval(p,x1);plot(x,y,'*r',x1,y1,'-b');resultp=polyfit(x,y,n)：最小二乘法计算拟合多项式系数。x，y为拟合数据向量，要求维度相同，n为拟合多项式次数。返回p向量保存多项式系数，由最高次向最低次排列。

基础知识查漏矩阵运算基本命令Ai=A(i,:);Aj=A(:,j);orth(A);%将非奇异矩阵A正交化A([i,j],:)=A([j,i],:);%将A的第i行与第j行互换rref(A);求A的列向量组的一个极大线性无关组常用初等函数limit(f,x,a,'left')%求左极限collect(s);%对符号表达式s合并同类项collect(s,v);%对符号表达式s按变量v合并同类项cov()corrccoef()...

matlab_EDAEDA 探索性数据分析 Explorative Data AnalysisBPM 二元邻接矩阵 bigram proximity matrix数据球面化mvnrndMultivariate normal random numbers多元正态随机变量clc,clear;close all;n=100;mu=[-2,2];sigma=[1,.5;.5,1];X=mvnrnd(mu,sigma,n);plot(X(:,1),X(:,2),'.')result上

罗盘图与羽毛图clc,clear;close all;x=-pi:pi/10:pi;y=sin(x);subplot(1,2,1);compass(x,y);title('罗盘图');subplot(1,2,2);feather(x,y);title('羽毛图');result

条形图与饼图clc,clear;close all;X=[528 701 685 780];subplot(2,2,1);bar(X)title('盈利总额二维条形图')subplot(2,2,2);bar3(X),title('盈利总额三维条形图')subplot(2,2,3);pie(X);title('盈利总额二维饼图');subplot(2,2,4);explode=[0 0 0 1];pie3(X,explode)title('盈利总额三维分离饼图');resul

条形图与面积图clc,clear;close all;Y=[45 6 8;7 4 7;6 25 4;7 5 8;9 9 4;2 6 8];subplot(2,2,1)bar(Y)title('图1')subplot(2,2,2)bar3(Y),title('图2')subplot(2,2,3)bar(Y,2.5)title('图3')subplot(2,2,4)bar(Y,'stack'),title('图4')面积图clc,clear;close all;Y=[45

图像中用text文字标注clc,clear;close all;x=0:pi/50:2*pi;plot(x,sin(x));title('正弦函数图形')xlabel('x Value');ylabel('sin(x)');text(3*pi/4,sin(3*pi/4),'<---sin(3pi/4)');text(5*pi/4,sin(5*pi/4),'sin(5pi/4)\rightarrow','HorizontalAlignment','right');...

在半对数坐标系下绘图clc,clear;close all;x=0:0.01:1;y=10.^x;subplot(1,2,1),semilogy(x,y)subplot(1,2,2),plot(x,y)双对数坐标clc,clear;close all;x=0:0.01:1;y=exp(x)+exp(-x);subplot(1,2,1),loglog(x,y)subplot(1,2,2),plot(x,y)双y轴坐标clc,clear;close all;x=lins

极坐标作图polarclc,clear;close all;t=0:0.01:4*pi;r=abs(sin(t).*cos(t));plot(t,r)clc,clear;close all;t=0:0.01:4*pi;r=abs(sin(t).*cos(t));polarplot(t,r);polarpolarplotclc,clear;close all;t=linspace(0,24*pi,1000);r=exp(sin(t))-2*sin(4.*t)+(cos

daspectt = linspace(0,2*pi);x = cos(t);y = sin(t);plot(x,y)daspect([1 1 1])

ezplot绘制隐函数clc,clear;close all;syms x;f1=exp(2*x)*sin(2*x);subplot(2,2,1),ezplot(exp(2*x),[-pi,pi]);subplot(2,2,2),ezplot(sin(2*x));subplot(2,2,3),ezplot(exp(2*x)+sin(2*x),[-pi,pi,0,2*pi]);subplot(2,2,4),ezplot(f1,[-4*pi,4*pi]);

用fplot和plot作出函数图像法一clc,clear;close all;x=linspace(0.01,0.02,50);y=sin(1./x);subplot(2,1,1),plot(x,y);subplot(2,1,2),fplot(@(x)sin(1./x),[0.01,0.02]);法二clc,clear;close all;x=linspace(0.01,0.02,50);y=sin(1./x);y1=@(x)sin(1./x);subplot(2,1,1),

多项式的相关运算clc,clear;close all;%利用向量p构建多项式p=[3 -2 4 6 8];poly2sym(p)clc,clear;close all;%convolutionp1=(1:5);p2=(2:6);p1+p2conv(p1,p2)%deconvolution解卷[k,r]=deconv(p1,p2)clc,clear;%由根构造多项式root=[-5 3+2i 3-2i];p=poly(root)poly2sym(p)clc,cl

绘图2clc,clear;close all;x=linspace(0,2*pi,100);plot(x,sin(x),'r',x,2*sin(x),'g',x,3*sin(x),'b')resultclc,clear;close all;x=linspace(0,2*pi,100);plot(x,sin(x),'r',x,2*sin(x),'g',x,3*sin(x),'b')axis tight;result% x轴 x = 0:1/3000:1; % 生成误差曲线

全员极大型Topsis评价代码%% 数据读取clear,clc;datas_matrix=xlsread('evaluation','B2:D13');[n,m] = size(datas_matrix);%% 权重%如果不需要加权重就默认权重都相同，即都为1/mweigh = ones(1,m) ./ m ;%% 归一化for i = 1:m tmp = datas_matrix(:,i) datas_S_matrix(:,i) = (tmp - min(tmp))

作图阶梯图stairsclc,clear;close all;X = linspace(0,4*pi,20);Y = sin(X);figurestairs(Y,'LineWidth',2,'Marker','d','MarkerFaceColor','y')result含误差条的线图errorbarx = linspace(0,10,15);y = sin(x/2);err = 0.3*ones(size(y));errorbar(x,y,err,'-s','MarkerS

lsqlinclc,clear;C = [0.9501 0.7620 0.6153 0.4057 0.2311 0.4564 0.7919 0.9354 0.6068 0.0185 0.9218 0.9169 0.4859 0.8214 0.7382 0.4102 0.8912 0.4447 0.1762 0.8936];d = [0.0578 0.3528 0.8

linspace legendlinspace生成线性间距向量y = linspace(x1,x2)y = linspace(x1,x2,n)y = linspace(x1,x2) 返回包含 x1 和 x2 之间的 100 个等间距点的行向量。y = linspace(x1,x2,n) 生成 n 个点。这些点的间距为 (x2-x1)/(n-1)。linspace 类似于冒号运算符“:”，但可以直接控制点数并始终包括端点。“linspace”名称中的“lin”指示生成线性间距值而不是同级函数 l

多项式拟合 ployvalclc,clear;x=[19 25 31 38 44]'; y=[19.0 32.3 49.0 73.3 97.8]'; r=[ones(5,1),x.^2]; ab=r\y x0=19:0.1:44; y0=ab(1)+ab(2)*x0.^2; plot(x,y,'o',x0,y0,'r')clc,clearx0=[1990 1991 1992 1993 1994 1995 1996]; y0=[70 122 144 152 174 196 202];

主成分分析%主成分分析法clc,clear;gj=load('data.txt');gj=zscore(gj);%数据标准化r=corrcoef(gj);%计算相关系数矩阵[x,y,z]=pcacov(r)%y为r的特征值，z为各个成分的贡献率f=sign(sum(x));%构造元素为+-1的行向量x=x.*f;%修改特征向量的正负号num=3;%num为选取的主成分个数df=gj*x(:,[1:num]);%计算各主成分的得分tf=df*z(1:num)/100;%计算综合得分[s