<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zhmjunjun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zhmjunjun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zhmjunjun]]></copyright><item><title><![CDATA[初学者眼中的面向对象]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/103499437</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/103499437</guid><author>zhmjunjun</author><pubDate>Wed, 11 Dec 2019 22:22:03 +0800</pubDate><description><![CDATA[面向对象，是一种编程思想，一个对象对应一个实体，例如：苹果(颜色，味道，美容功能等特性放在一起描述苹果)，梨子(颜色，味道，美容功能等特性放在一起描述梨子)

面向过程的描述苹果和梨子： 判断果皮黄色且带有斑点为梨子，否则为苹果；当实体很多时，其中任意一个实体属性发生变化时，程序的修改量通常会很大。

用面向对象与面向过程编程的对比示例，方便形象理解。

题目：图形接口画出四方形，圆形与三角形，当...]]></description><category></category></item><item><title><![CDATA[Matble怎样对矩阵进行加标签整合]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80553889</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80553889</guid><author>zhmjunjun</author><pubDate>Sun, 03 Jun 2018 07:45:44 +0800</pubDate><description><![CDATA[这个代码主要针对，对不同类数据，加标签整合

数据为  mnist_all.mat  （因为时间隔得有点久我忘了当初下载网站）

我主要用在GNMF相关处理中，其中对2D Hela image data数据也是类似加标签，希望对你有帮助


%对MNIST数据的处理
%   整合为一个数据矩阵
%在因为每张图是28X28=784，所以每一行代表一张图
%需要从所有图中选取500样本，每类选取50个...]]></description><category></category></item><item><title><![CDATA[对于Kmeans的聚类信息提取处理]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80309502</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80309502</guid><author>zhmjunjun</author><pubDate>Mon, 14 May 2018 15:42:54 +0800</pubDate><description><![CDATA[因为网上有很多关于Kmeans现成代码，这里主要讲，如何对聚类信息进行提取（我前面博客给出过Kmeans的代码/matble）我主要做的是子图分离，先通过Kmeans方法，分离出k个子图，要对子图进行图构建，就需要知道，每个聚类块里面所包含的具体信息。其中用到胞元进行矩阵存储，下面也会举例胞元循环中的变化1： 首先 label=Kmeans（fea，k）    %label是每一个样本对应的聚类号...]]></description><category></category></item><item><title><![CDATA[Matble编写替换矩阵每列最小值]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80260480</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80260480</guid><author>zhmjunjun</author><pubDate>Wed, 09 May 2018 22:39:02 +0800</pubDate><description><![CDATA[同理可以替换每列最任何需要值（行同理）前面博客提到关于&amp;gt;也有这个功能，但这个更具逻辑性以及更实用该代码原来自EMR（.m代码）中的一步： D = EuDist2(data,landmarks);      %矩阵D  大小为nSmpXpdump = zeros(nSmp,r);                  %dump，与idx为nSmpXr的零值矩阵idx = dump;for i =...]]></description><category></category></item><item><title><![CDATA[R中的几种统计分布及常用模型]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80191474</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80191474</guid><author>zhmjunjun</author><pubDate>Fri, 04 May 2018 10:26:49 +0800</pubDate><description><![CDATA[简单介绍一下R中的几种统计分布及常用模型  转载自：https://www.cnblogs.com/nxld/p/6060360.html 统计学上分布有很多，在R中基本都有描述。因能力有限，我们就挑选几个常用的、比较重要的简单介绍一下每种分布的定义，公式，以及在Ｒ中的展示。统计分布每一种分布有四个函数：d――density（密度函数），p――分布函数，q――分位数函数，r――随机数函数。比如，正...]]></description><category></category></item><item><title><![CDATA[R语言编写NMF，其中迭代部分注释]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80112318</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80112318</guid><author>zhmjunjun</author><pubDate>Fri, 27 Apr 2018 20:02:17 +0800</pubDate><description><![CDATA[认为，学算法，打印下来，一个一个看是最直观的，本来准备把NMF，每个函数都注解一遍，结果今天自己没事，看了下，乍一看一大片，用一个旁观者的视角看，我并不想继续读下去。所以代码给大家。因为实验室有打印机，我打印看，很快就知道什么流程了，纸上谈兵，上战场就~~~各种弱爆，想想就想哭。（不知道链接是不是一直有效，如果失效在Functional Biogeography of Ocean Microbes...]]></description><category></category></item><item><title><![CDATA[R语言中is.与as.的区别与用法]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80101268</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80101268</guid><author>zhmjunjun</author><pubDate>Fri, 27 Apr 2018 13:14:44 +0800</pubDate><description><![CDATA[来自R语言实战(第二版)，P79页R与其他统计编程语言有着类似的数据类型转换方式。举例来说，向一个数值型向量中添加一个字符串会将此向量中的所有元素转换为字符型。你可以使用下表1   中列出的函数来判断数据的类型或者将其转换为指定类型。 表1 类型转换函数名为is.datatype()这样的函数返回TRUE或FALSE，而as.datatype()这样的函数则将其参数转换为对应的类型 is.data...]]></description><category></category></item><item><title><![CDATA[R语言中标准化一个矩阵代码后求其相似矩阵 注释]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80100845</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80100845</guid><author>zhmjunjun</author><pubDate>Thu, 26 Apr 2018 22:27:39 +0800</pubDate><description><![CDATA[突然感觉R语言，有些地方比matble还简洁，但是我还是更喜欢matble，更直接些# Normalize a matrix# Args:# 	m: the matix# 	L: by rows (L=1) or columns (L=2)# Returns:# 	The normalized matrix#标准化矩阵##参数：#m ：矩阵#L ：按行（L = 1）或列（L = 2）#返回：标准化...]]></description><category></category></item><item><title><![CDATA[R语言中矩阵逆序转置代码解释]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/80099983</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/80099983</guid><author>zhmjunjun</author><pubDate>Thu, 26 Apr 2018 21:34:13 +0800</pubDate><description><![CDATA[一年前都记得，这次要修改，忘了，所以决定记下了。PlotM&amp;lt;- function(Z,heatc=12) {  m&amp;lt;-ncol(Z);  n&amp;lt;-nrow(Z);  MM&amp;lt;-matrix(0,m,n);  MM[1:m,]&amp;lt;-t(Z[,1:m][n:1,]);  image(MM,axes=FALSE,col=heat.colors(heatc));}下面是解释Plot...]]></description><category></category></item><item><title><![CDATA[matble中如何使用 &gt; ，以及将矩阵元素替换]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79928410</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79928410</guid><author>zhmjunjun</author><pubDate>Fri, 13 Apr 2018 14:50:55 +0800</pubDate><description><![CDATA[表示方式A&amp;gt;Bgt（A,B）A&amp;gt;B返回一个设置为逻辑1要素的逻辑阵列（真），A大于B；否则，该元素是逻辑0（假）。测试只比较数字阵列的实部。GT返回逻辑0（假），A或B有南或未定义分类要素。 &amp;gt;&amp;gt; A = [1 12 18 7 9 11 2 15]A =1  12  18   7  9  11   2   15&amp;gt;&amp;gt; A &amp;gt; 10ans =0   1   1...]]></description><category></category></item><item><title><![CDATA[matble当+与：组合在一起的时候表示啥]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79918454</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79918454</guid><author>zhmjunjun</author><pubDate>Thu, 12 Apr 2018 19:30:01 +0800</pubDate><description><![CDATA[当m=a+b：c                     表示返回b：c中位置在第a个位置之后的所有数值，m为向量.一般在循环里面用的比较多因为不善表达，就用示例说明&amp;gt;&amp;gt; m=1+1:5m =     2     3     4     5size(1:5)5因为是第a个位置之后，为了说明我把显示出来&amp;gt;&amp;gt; 3:8ans =    3     4     5     6   ...]]></description><category></category></item><item><title><![CDATA[matble中bsxfun（）函数]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79899243</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79899243</guid><author>zhmjunjun</author><pubDate>Wed, 11 Apr 2018 17:55:16 +0800</pubDate><description><![CDATA[下面这句是在百度百科上面看到的非常形象，比官方给出的好，谢谢百度百科bsxfun（）函数的编辑作者“两个非“单一维度”相互匹配的数组a和b做函数fun运算时，bsxfun会隐含扩充a或b使得a和b结构相同，以便实现逐元素运算。使用函数bsxfun可以避免用循环结构编程。bsxfun调用格式：bsxfun(@已有定义的函数名， 数组1，数组2）bsxfun(@( 数组1，数组2)函数体表达式，数组1...]]></description><category></category></item><item><title><![CDATA[互信息的理解]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79888979</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79888979</guid><author>zhmjunjun</author><pubDate>Tue, 10 Apr 2018 22:22:48 +0800</pubDate><description><![CDATA[互信息指的是两个随机变量之间的关联程度，即给定一个随机变量后，另一个随机变量不确定性的削弱程度，因而互信息取值最小为0，意味着给定一个随机变量对确定一另一个随机变量没有关系，最大取值为随机变量的熵，意味着给定一个随机变量，能完全消除另一个随机变量的不确定性这是我在知乎上看到我最想要的结果。 我怕自己下次又找，所以写了这个博客    感谢知乎作者：maple链接：https://www.zhihu....]]></description><category></category></item><item><title><![CDATA[matble中legend()函数示例]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79879544</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79879544</guid><author>zhmjunjun</author><pubDate>Tue, 10 Apr 2018 13:01:53 +0800</pubDate><description><![CDATA[对于legend函数，我觉得示例更形象，关于解释网上给出的都很完善，或者matble中help legend哦legend()      将图例添加到图形x = -pi:pi/20:pi;
y1 = sin(x);
y2 = cos(x);
plot(x,y1,'-ro',x,y2,'-.b')
legend('sin(x)','cos(x)')图例1x = -pi:pi/20:pi;
y1 = ...]]></description><category></category></item><item><title><![CDATA[matble中sawtooth()函数]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79879121</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79879121</guid><author>zhmjunjun</author><pubDate>Tue, 10 Apr 2018 12:38:16 +0800</pubDate><description><![CDATA[sawtooth()               锯齿或三角波表示方式：sawtooth(t)sawtooth(t,width)sawtooth(t)为时间矢量t的元素生成周期为2π的锯齿波。 sawtooth（t）与sin（t）相似，但会产生峰值为-1和1而不是正弦波的锯齿波。 锯齿波在2π的倍数处被定义为-1，其他时间以1 /π的斜率线性增加。sawtooth(t,width)会生成一个修改后...]]></description><category></category></item><item><title><![CDATA[matble中disp（）函数]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79874106</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79874106</guid><author>zhmjunjun</author><pubDate>Mon, 09 Apr 2018 23:00:55 +0800</pubDate><description><![CDATA[来自matble 中help disp术语：disp（X）disp（X）显示变量X的值，而不打印变量名称。我们做常见的是 另一种显示变量的值，且打印变量名称“X =”传统不加disp加disp&amp;gt;&amp;gt; A=[15 150];&amp;gt;&amp;gt; AA =    15   150&amp;gt;&amp;gt; A=[15 150];&amp;gt;&amp;gt; disp(A)    15   150&amp;gt;&amp;gt; S ...]]></description><category></category></item><item><title><![CDATA[matble中&]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79873709</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79873709</guid><author>zhmjunjun</author><pubDate>Mon, 09 Apr 2018 22:21:45 +0800</pubDate><description><![CDATA[matble中help &amp;amp;两种语法A &amp;amp; Band(A,B) 两者表达含义一样，但and（A，B）较少使用。逻辑与，返回值1，或者0；当A 与 B的数值都非零时，返回1当A 与 B其中一个为零，或者两者都为零，返回0如下：&amp;gt;&amp;gt; A = [5 7 0; 0 2 9; 5 0 0]A =     5     7     0     0     2     9     5  ...]]></description><category></category></item><item><title><![CDATA[matble的K-means聚类，函数参数解释]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79870467</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79870467</guid><author>zhmjunjun</author><pubDate>Mon, 09 Apr 2018 18:24:05 +0800</pubDate><description><![CDATA[function [label, center, bCon, sumD, D] = litekmeans(X, k, varargin)litekmeans K-means聚类，通过matble编写的矩阵加速运算X，k：    将N×P数据矩阵X中的点划分为K个簇。 N为点个数，p为点的特征个数 label = litekmeans(X, K)  label： 此分区群集中， 点到群集质心的群集内...]]></description><category></category></item><item><title><![CDATA[matble中函数rand()随机数生成器（二）]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79859083</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79859083</guid><author>zhmjunjun</author><pubDate>Sun, 08 Apr 2018 22:22:28 +0800</pubDate><description><![CDATA[在前面matble中函数rand（）中，介绍了rand（）函数的一般用法，通过rand()或者randn()函数使用‘seed’，‘state’，‘twister’来控制随机数发生器 ，例如rand('twister',5489)，就是matble重置随机生成数编译器，使在不同方法（算法）下有相同的初始化，同时又可以保证实验结果可以复现。rand('seed',sd)
randn('seed',s...]]></description><category></category></item><item><title><![CDATA[matble中函数rand()（一）]]></title><link>https://blog.youkuaiyun.com/zhmjunjun/article/details/79857853</link><guid>https://blog.youkuaiyun.com/zhmjunjun/article/details/79857853</guid><author>zhmjunjun</author><pubDate>Sun, 08 Apr 2018 22:12:10 +0800</pubDate><description><![CDATA[来源 matble中help rand 其实都知道rand('twister',5489)，就是重置matble随机生成数编译器，使在不同方法（算法）下有相同的初始化，同时又可以保证实验结果可以复现。下面结合matble中的help rand来具体，rand函数      默认是生成（0,1）之间随机数的函数rand（）函数的具体形式有如下几种：X = rand         返回一个随机数，该...]]></description><category></category></item></channel></rss>