❶ 如何向MATLAB中添加新工具箱
今天費了好大的勁終於將SVM_SteveGunn添加至我的matlab工具箱內，並且已能成功運行，現在把在添加以及運行中出現的各種問題羅列如下，並一一解決：
1、將下載的svm工具箱添加至matlab安裝目錄下
1、單獨下載的工具箱
2、把新的工具箱拷貝到某個目錄（我的是D:softmatlab2011b oolbox）。
注意：你要是添加的很多個m文件，那就把這些m文件直接拷到再下一層你想要的工具箱的文件夾里
例如，我要添加的是支持向量機工具箱，在剛才的文件夾下我已經有svm（支持向量機工具箱）文件夾了，但有的m文件還沒有，我就把新的m文件統統拷到D:softmatlab2011b oolbox svm目錄下了。如果你連某工具箱（你打算添加的）的文件夾都沒有，那就把文件夾和文件一起拷到D:softmatlab2011b oolbox 下。
先把工具箱保存到MATLAB安裝目錄的根目錄下面，然後運行matlab---->file---->set path---->add folder 然後把你的工具箱文件夾添加進去就可以了
3、在matlab的菜單file下面的set path把它（ D:softmatlab2011b oolbox svm ）加上。
4、 把路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
記得一定要更新！我就是沒更新，所以添加了路徑，一運行還是不行。後來更新了才行。
2、在對svm工具箱進行使用時，發現了'qp.dll 不是有效的 Win32 應用程序 '
問題描述：
mex在不同windows OS下編譯的結果，所以我們需要重新編譯一下qp.dll
解決方案：
steve gunn 的包下面有一個optimiser 文件夾，把current Diretory目錄改為optimiser目錄，例如E:matlabProgramSVM_SteveGunnOptimiser，然後運行命令
>> mex -v qp.c pr_loqo.c
命令運行完畢後，你會發現原先的qp.dll變為qp.dll.old，還出現了qp.mexw32，我們把該文件改為qp.dll 復制到工具箱文件夾下。原先的工具箱文件qp.dll可以先改一下名字...
3、我在運行第二步時發現了『D:SOFTMATLAB~3BINMEX.PL: Error: Compile of 'qp.c' failed. Error using mex (line 206)
Unable to complete successfully.
這個是因為編譯器設置的問題，這里需要重新選擇設置編譯器，設置編譯器的方法：
mex -setup(mex和-setup之間要有空格)，然後我選擇的VS2010，然後再繼續運行步驟2就成功了。
❷ matlab聚類分析工具箱 叫什麼
聚類分析最重要的是什麼？（你啥都不說，怎麼解決你的問題？ ） 舉個例子：如果你是淘寶網店老闆，我現在告訴你我想定做個生日禮物，但其它什麼都不告訴你，你能做么？ PS:圖我看見了，沒啥用。
❸ 根據Matlab工具箱找到了聚類中心，請問怎樣知道有哪些數據聚到哪個中心了，很著急！謝謝了！
聚類後的分類矩陣裡面的數據後面的1 2 3 4就是聚類的類別
❹ matlab 7.10自帶的工具箱有哪些
Matlab Main Toolbox——matlab主工具箱 Control System Toolbox——控制系統工具箱 Communication Toolbox——通訊工具箱 Financial Toolbox——財政金融工具箱 System Identification Toolbox——系統辨識工具箱 Fuzzy Logic Toolbox——模糊邏輯工具箱 Higher-Order Spectral Analysis Toolbox——高階譜分析工具箱 Image Processing Toolbox——圖象處理工具箱 LMI Control Toolbox——線性矩陣不等式工具箱 Model predictive Control Toolbox——模型預測控制工具箱 μ-Analysis and Synthesis Toolbox——μ分析工具箱 Neural Network Toolbox——神經網路工具箱 Optimization Toolbox——優化工具箱 Partial Differential Toolbox——偏微分方程工具箱 Robust Control Toolbox——魯棒控制工具箱 Signal Processing Toolbox——信號處理工具箱 Spline Toolbox——樣條工具箱 Statistics Toolbox——統計工具箱 Symbolic Math Toolbox——符號數學工具箱 Simulink Toolbox——動態模擬工具箱 Wavele Toolbox——小波工具箱
❺ 如何用matlab聚類工具箱處理自己的數據集
我把K-mediods的matlab代碼貼出來自，你好好學習一下 function label = kmedoids( data,k,start_data ) % kmedoids k中心點演算法函數 % data 待聚類的數據集,每一行是一個樣本數據點 % k 聚類個數 % start_data 聚類初始中心值,每一行為一個中心點
❻ matlab代碼實現層次聚類問題
近需要用到層次聚類，發現在Matlab上很容易實現，下面是代碼加詳細注釋
[plain] view plain
clear all
clc
close all
mdist=input('輸入坐標文件名字\n');
disp('讀取數據坐標')
%獲取坐標
❼ matlab中怎麼實現凝聚層次聚類
聚類分析的概念主要是來自多元統計分析，例如，考慮二維坐標繫上有散落的許多點，這時，需要對散點進行合理的分類，就需要聚類方面的知識。模糊聚類分析方法主要針對的是這樣的問題：對於樣本空間P中的元素含有多個屬性，要求對其中的元素進行合理的分類。最終可以以聚類圖的形式加以呈現，而聚類圖可以以手式和自動生成兩種方式進行，這里採用自動生成方式，亦是本文的程序實現過程中的一個關鍵環節。 這里所實現的基本的模糊聚類的主要過程是一些成文的方法，在此簡述如下： 對於待分類的一個樣本集U=,設其中的每個元素有m項指標，則可以用m維向量描述樣本，即：ui=(i=1,2,...,n)。則其相應的模糊聚類按下列步驟進行：1） 標准化處理，將數據壓縮至(0-1)區間上，這部分內容相對簡單，介紹略。(參[1])2） 建立模糊關系：這里比較重要的環節之一，首先是根據「距離」或其它進行比較的觀點及方法建立模糊相似矩陣，主要的「距離」有：Hamming 距離: d(i,j)=sum(abs(x(i,k)-x(j,k))) | k from 1 to m (| k from 1 to m表示求和式中的系數k由1增至m，下同)Euclid 距離: d(i,j)=sum((x(i,k)-x(j,k))^2) | k from 1 to m 非距離方法中，最經典的就是一個夾角餘弦法： 最終進行模糊聚類分析的是要求對一個模糊等價矩陣進行聚類分析，而由相似矩陣變換到等價矩陣，由於相似矩陣已滿足對稱性及自反性，並不一定滿足傳遞性，則變換過程主要進行對相似矩陣進行滿足傳遞性的操作。使關系滿足傳遞性的演算法中，最出名的，就是Washall演算法了，又稱傳遞閉包法（它的思想在最短路的Floyd演算法中亦被使用了）。 演算法相當簡潔明了，復雜度稍大：O(log2(n)*n^3)，其實就是把一個方陣的自乘操作，只不過這里用集合操作的交和並取代了原先矩陣操作中的*和+操作，如下：(matlab代碼)%--washall enclosure algorithm--%unchanged=0;while unchanged==0 unchanged=1; %--sigma:i=1:n(combine(conj(cArr(i,k),cArr(k,j)))) for i=1:cArrSize for j=1:cArrSize mergeVal=0; for k=1:cArrSize if(cArr(i,k)<=cArr(k,j)&&cArr(i,k)>mergeVal) mergeVal=cArr(i,k); elseif(cArr(i,k)>cArr(k,j)&&cArr(k,j)>mergeVal) mergeVal=cArr(k,j); end end if(mergeVal>cArr(i,j)) CArr(i,j)=mergeVal; unchanged=0; else CArr(i,j)=cArr(i,j); end end end %-- back--% for i=1:cArrSize for j=1:cArrSize cArr(i,j)=CArr(i,j); end endend
❽ MATLAB中模糊聚類工具箱怎麼找到怎麼用呢
你help fcm,我這有整理過的MATLAB自帶的K均值與模糊C均值程序，我可以發給你，能不能給版點分？
function ff1=jd(g,c)%三維矩陣權g為m*n*c大小的矩陣
g=double(g);
[m,n,v]=size(g);
data=reshape(g,[],size(g,3);
[center,U,obj_fcm]=fcm(double(data),c);
[maxU,index]=max(U,[],1);
ff=reshape(index,m,n);
figure,imshow(ff,[]);
❾ MATLAB 有哪些好用的第三方工具箱
這個文件所在的路徑沒有添加到matlab路徑當中，具體方法為：file-set
path-add
with
subfolders添加這個文件所在文件夾即可！
❿ matlab如何代碼實現分裂層次聚類
近需要用到層次聚類，發現在Matlab上很容易實現，下面是代碼加詳細注釋
[plain] view plain
clear all
clc
close all
mdist=input('輸入坐標文件名字\n');
disp('讀取數據坐標')
%獲取坐標
%文件為二維的坐標，第一列為x軸坐標，第二列為y軸坐標
xx=load(mdist);
%獲取數據的個數存至number
[number, row]=size(xx);
%獲取距離矩陣，第二參數指定距離計算方法
%可選參數有'euclidean'：歐氏距離（默認）；'seuclidean'：標准化歐氏距離；
%'mahalanobis'：馬氏距離；'cityblock'：布洛克距離；'minkowski'：明可夫斯基距離；
%'cosine'：餘弦距離 'correlation'：相關性 'hamming'：漢明距離 'jaccard'：Jaccard相似度
%'chebychev'：Chebychev距離。
yy=pdist(xx,'euclidean');
%獲取聚類，第二參數指定層次聚類方式
%'single'：單連通，最短距離法（默認）；'complete'：全連通，最長距離法；'average'：未加權平均距離法；
%'weighted'： 加權平均法；'centroid'： 質心距離法；'median'：加權質心距離法；'ward'：內平方距離法（最小方差演算法）
zz=linkage(yy,'single');
%指定獲取簇類個數
Ncluster=input('輸入類個數\n');
%獲取指定Ncluster個數的聚類結果
c = cluster( zz,'maxclust', Ncluster );
%獲取繪圖所需顏色
%需要用到linspecer.m文件
%下載地址
%http://www.mathworks.com/matlabcentral/fileexchange/42673-beautiful-and-distinguishable-line-colors-+-colormap
if(Ncluster>12)
Color = linspecer( Ncluster );
else
Color = linspecer( Ncluster, 'qualitative' );
end
for i=1:Ncluster
for j = 1:number
if(c(j) == i)
hold on
plot(xx(j,1),xx(j,2),'o','MarkerFaceColor',Color(i,:),'MarkerEdgeColor',Color(i,:))
end
end
end