matlab降维工具箱

『壹』 求一个 Matlab2016b破解版 要好用 能用的

软件介绍：

Matlab R2016b是一款强大的数学计算软件。MATLAB是取自matrix&laboratory两个词，寓意为矩阵工厂，主要是面向科学计算、可视化以及交互式程序设计的高科技计算环境。

所需工具：点击下载 Matlab R2016b

Matlab r2016b安装破解步骤

1、用网络网盘下载本站提供的数据包，得到四个压缩包，其中2个是主程序，2个是破解文件，选择2个主程序，进行2345好压进行解压（注意要同时选中2个映像文件，否则会解压错误）

2、解压完成，双击setup.exe开始安装，选择“使用文件安装密钥”

3、选择接受条款

4、填入安装密钥

5、选择安装目录，建议选择d盘或者e盘

6、选择安装产品，小编建议全部选中。

7、确认安装的相关信息，然后点击“下一步”。

8、等待安装..这个过程大概需要1-2小时，请知悉

9、安装完成，现在是就是破解过程了，双击bin文件夹下的.exe程序，弹出如下页面，选择“在不使用intenet的情况下手动激活”

10、载入许可证文件

11、然后将破解文件夹拷贝到安装目录，默认为C:Program FilesMATLABR2016b，具体方法如下所示，

12、点击移动和替换

13激活完成，可以畅快使用matlab R2016b了.

Matlab R2016b更新内容:

版本亮点包括：

获取数据：增加时间表数据容器、字符串数组，以及其它用于数据预处理的新功能。

机器学习：更快地训练模型，使用大数据，并从模型生成 C/C++ 代码。

Simulink：Just-in-time可使得在加速器模式下运行仿真时实现性能提升。

具体产品更新：

MATLAB产品系列更新包括：

MATLAB

引入tall数组用于操作超过内存限制的过大数据

引入时间表数据容器用于索引和同步带时间戳的表格数据

增加能够在脚本中定义本地函数的功能以提高，改进代码的重用性和可读性

通过使用MATLAB的Java API可以在Java程序中调用MATLAB代码

MATLAB Mobile

通过在 MathWorks 云端的 iPhone 和 Android 传感器记录数据

Database Toolbox

提供用于检索 Neo4j 数据的图形化数据库界面

MATLAB Compiler

支持将 MATLAB 应用程序（包括tall数组）部署到 Spark 集群上

Parallel Computing Toolbox

能够在您的台式机、装有 MATLAB Distributed Computing Server 的服务器、以及 Spark 集群上利用tall数组进行大数据并行处理

Statistics and Machine Learning Toolbox

提供不受内存限制的大数据分析算法，包括降维、描述性统计、k-均值聚类、线性递归、逻辑递归和判别分析

提供可以自动调整机器学习算法参数的 Bayesian 优化算法以及可以选择机器学习模型特征的近邻成分分析 (NCA)

支持使用 MATLAB Coder 自动生成实现SVM 和逻辑回归模型的C/C+代码

Image Processing Toolbox

支持使用三维超像素的立体图像数据进行简单线性迭代聚类 (SLIC) 和三维中值滤波

Computer Vision System Toolbox

使用深度学习的区域卷积神经网络 (R-CNN) 进行对象检测

Risk Management Toolbox

一个新的工具箱用于开发风险模型和执行风险模拟

ThingSpeak

能够从联网的传感器采集数据，并使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 提供的函数在云端进行 MATLAB 分析

Simulink家族产品系列包括：

Simulink

能够初始化、重置并终止子系统，进行动态启动和关闭行为建模

状态读取器和写入器模块可以从模型中的任何位置完全控制重置状态行为

对 Raspberry Pi 3 和 Google Nexus 的硬件支持

Simulink和Stateflow

简化参数和数据编辑的属性检查器、模型数据编辑器和符号管理器

Simscape

新增了一个模块库，用于模拟理想气体、半理想气体以及实际气体系统

信号处理和通信更新包括：

Signal Processing Toolbox

可用于执行多时序的时域和频域分析的信号分析仪应用程序

Phased Array System Toolbox

针对空气传播和多路径传播对窄频和宽频信号的影响提供建模支持

WLAN System Toolbox

IEEE 802.11ah 支持和多用户 MIMO 接收机功能

Audio System Toolbox

音频插件托管功能，可在 MATLAB 中直接运行和测试 VST 插件

代码生成更新包括：

Embedded Coder

交叉发布代码集成功能使得可以重用由较早版本生成的代码

能够生成可用于任何软件环境的可插入式代码，包括动态启动和关闭行为

支持仿真 AUTOSAR 基础软件，包括 Diagnostic Event Manager (DEM) 和 NVRAM Manager (NvM)

HDL Coder

根据设定的目标时钟频率, 以寄存器插入方式自适应流水化,以及可用于显示和分析转换和状态的逻辑分析仪（搭配使用 DSP System Toolbox）

验证和确认更新包括：

Simulink Verification and Validation

Edit-time checking功能，可帮助在设计时发现并修复标准合规性问题

Simulink Test

用于进行测试评估的自定义标准的定义功能

HDL Verifier

FPGA 数据采集功能，用于探测要在 MATLAB 或 Simulink 中进行分析的内部 FPGA 信号

Polyspace Bug Finder

支持 CERT C 编码规范，以用于网络安全漏洞检测

『贰』 matlab中使用快速pca提取特征

1、参数mA代表A的均值，也就是mean(A)。

其实这个参数完全没必要，因为可以从参数A计算得到版。

2、解释一下权你问的两个语句的含义：

Z=(A-repmat(mA,m,1)); 作用是去除直流成分
T=Z*Z'; 计算协方差矩阵的转置

3、关于函数的调用：

MATLAB统计工具箱中有函数princomp，也是进行主成分分析的（2012b之后有函数pca），基本调用格式：

[pc,score]=princomp(x)

其中，输入参数x相当于你这个函数的A，输出参数score相当于你这里的pcaA，而pc大致相当于你这里的V（符号相反）。具体说明请参考函数的文档。

『叁』 谁研究过多核极限学习机，有没有matlab代码可以参考下

||close all
if ~exist('aaa')||(aaa~=1)
clc
clear
%加入gabor工具箱
addpath gaborpca;
path_pos='.\pos\';
path_nes='.\nes\';
pos_dir=dir(path_pos);
nes_dir=dir(path_nes);

%构建一个gabor滤波器组
filter_bank = construct_Gabor_filters(8, 5, [128 128]);
%提取正样本得gabor特征
feature_pos_train=[];
for i=3:158
im=imread([path_pos pos_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
raw_feature = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特征
feature_pos_train=[feature_pos_train,raw_feature];
end

%提取负样本得gabor特征
feature_nes_train=[];
for i=3:174
im=imread([path_nes nes_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
feature_nes_train=[feature_nes_train,raw_feature];
end

p_train=[feature_pos_train,feature_nes_train];
t_train=[ones(156,1);2*ones(172,1)];

%对提取得gabor特征进行压缩降维处理
[mappedX, mapping]=pca(p_train,111);
p_train=mapping.M;

p_train=mapminmax(p_train',0,1)';

%载入极限学习机工具箱
addpath kernelelm %%添加极限学习机算法包

%训练极限学习机
[model_elm]=kernel_elm_muti_train(p_train',t_train', 'gaussian',3.5,10);%%根据训练中的目标得出模型
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_train',t_train',model_elm);

end

%测试视频
aaa=1;
raw_feature2=[];
for i=1:1200
X=imread(strcat('picture\',num2str(i),'.jpg'));
im=rgb2gray( X);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
feature222 = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特征
raw_feature2=[raw_feature2,feature222];
disp(sprintf('%i ',i));
end

raw_feature2=mapminmax(raw_feature2',0,1);
p_test=raw_feature2*mappedX;
p_test=mapminmax(p_test',0,1)';
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_test',ones(1200,1)',model_elm);

clc
%输出每帧图得计算结果
for i=1:1200
if(TT(i)==2)
disp(sprintf('第%i帧图正常',i));
else
disp(sprintf('第%i帧图报警',i));
end
end

『肆』 降维工具箱的lda对训练样本和测试样本一起运算吗

我把训练样本和测试样本的数据用PCA降维后,直接用欧式距离计算训练向量和测试向量的距离,发现准确率一点都不比LDA差。LDA的主要优点是不是在于降维?

『伍』 急：为什么matlab神经网络工具箱仿真时显示too many output arguments

Matlab 提供的预处理方法有归一化处理(把每组数据都变为- 1～ + 1 之间数) 、标准化处理(把每组数专据都化为均值为0、方差属为1的一组数据) 和主成分分析(进行正交处理,减少输入数据的维数)。用prepca 函数对样本数据进行主元分析,
从而消除样本数据的冗余成分,起到数据降维的目的。

『陆』 谁有人群密度检测的matlab代码

close all
if ~exist('aaa')||(aaa~=1)
clc
clear
%加入gabor工具箱
addpath gaborpca;
path_pos='.\pos\';
path_nes='.\nes\';
pos_dir=dir(path_pos);
nes_dir=dir(path_nes);

%构建一个gabor滤波器组
filter_bank = construct_Gabor_filters(8, 5, [128 128]);
%提取正样本得gabor特征
feature_pos_train=[];
for i=3:158
im=imread([path_pos pos_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
raw_feature = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特征
feature_pos_train=[feature_pos_train,raw_feature];
end

%提取负样本得gabor特征
feature_nes_train=[];
for i=3:174
im=imread([path_nes nes_dir(i).name]);
im=rgb2gray(im);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
feature_nes_train=[feature_nes_train,raw_feature];
end

p_train=[feature_pos_train,feature_nes_train];
t_train=[ones(156,1);2*ones(172,1)];

%对提取得gabor特征进行压缩降维处理
[mappedX, mapping]=pca(p_train,111);
p_train=mapping.M;

p_train=mapminmax(p_train',0,1)';

%载入极限学习机工具箱
addpath kernelelm %%添加极限学习机算法包

%训练极限学习机
[model_elm]=kernel_elm_muti_train(p_train',t_train', 'gaussian',3.5,10);%%根据训练中的目标得出模型
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_train',t_train',model_elm);

end

%测试视频
aaa=1;
raw_feature2=[];
for i=1:1200
X=imread(strcat('picture\',num2str(i),'.jpg'));
im=rgb2gray( X);
im = imresize(im,[128 128],'bilinear'); %采用'bilinear'：采用双线性插值算法扩展为128*128
feature222 = filter_image_with_Gabor_bank(im,filter_bank,32);%%提取小波特征
raw_feature2=[raw_feature2,feature222];
disp(sprintf('%i ',i));
end

raw_feature2=mapminmax(raw_feature2',0,1);
p_test=raw_feature2*mappedX;
p_test=mapminmax(p_test',0,1)';
[TT,TrainingAccuracy] = kernel_elm_muti_predict(p_test',ones(1200,1)',model_elm);

clc
%输出每帧图得计算结果
for i=1:1200
if(TT(i)==2)
disp(sprintf('第%i帧图正常',i));
else
disp(sprintf('第%i帧图报警',i));
end
end

『柒』 怎样运用matlab实现无约束非线性优化问题中的多种方法

- MATLAB中用遗传算法求解约束非线性规划问题 Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB 作者:王勇, 期刊-核心期刊 哈尔滨商业大学学报（自然科学版）JOURNAL OF HARBIN UNIVERSITY OF COMMERCE(NATURAL SCIENCES EDITION) 2006年 第04期
- 约束优化问题的遗传算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡焕杰,康艳, 期刊-核心期刊 西北农林科技大学学报（自然科学版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 约束优化问题的遗传算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡焕杰,康艳, 期刊-核心期刊 西北农林科技大学学报（自然科学版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 非线性规划问题求解的遗传算法设计与实现 Design and Realization of Genetic Algorithm for Solving Nonlinear Programming Problem 作者:刘雪梅,李国民,李景文,毕义明, 期刊-核心期刊 系统工程与电子技术SYSTEMS ENGINEERING AND ELECTRONICS 2000年 第02期
- 解非线性约束规划问题的新型多目标遗传算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:刘淳安,LIU Chun-an, 期刊-核心期刊 计算机工程与设计COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 解非线性约束规划问题的新型多目标遗传算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:刘淳安, 期刊-核心期刊 计算机工程与设计COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 基于Matlab遗传工具箱的高强混凝土配合比优化 Mixtures Optimal Design of High-strength Concrete Based on GA Toolbox of MATLAB 作者:陆海标,郑建壮,徐旭岭, 期刊 浙江水利水电专科学校学报JOURNAL OF ZHEJIANG WATER CONSERVANCY AND HYDROPOWER COLLEGE 2007年 第03期
- 遗传算法求解约束非线性规划及Matlab实现 The Solution of Optimization with Nonliear Constraints Programming with Genetic Algorithm and Demonstration by Matlab 作者:倪金林, 期刊-核心期刊 大学数学COLLEGE MATHEMATICS 2005年 第01期
-
- 基于遗传算法的非线性多目标规划及其在油田开发规划中的应用 作者:张晓东, 李树荣, 熊福力, 会议 第二十二届中国控制会议第二十二届中国控制会议论文集(上) 2003年
- 区间非线性规划问题的确定化描述及其递阶求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蒋峥,戴连奎,吴铁军, 期刊-核心期刊 系统工程理论与实践SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 区间非线性规划问题的确定化描述及其递阶求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蒋峥,戴连奎,吴铁军, 期刊-核心期刊 系统工程理论与实践SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 一种新的求解非线性规划的混合遗传算法 作者:李丰兵, 会议 第八届中国青年运筹信息管理学者大会第八届中国青年运筹信息管理学者大会论文集 2006年
- 一种启发式算法求解有交易成本组合投资问题 作者:安智宇, 会议 第三届不确定系统年会第三届不确定系统年会论文集 2005年
- 基于遗传算法的设计地震反应谱标定方法 Calibrating Method of Seismic Response Spectrum Based on Genetic Algorithm 作者:夏江,陈清军, 期刊-核心期刊 力学季刊CHINESE QUARTERLY OF MECHANICS 2006年 第02期
- 具有线性不等式约束非线性规划问题的降维算法 Descending Dimension Algorithm of Nolinear Programming Problem with Linear Inequality Constraints 作者:杨懿,张守贵, 期刊-核心期刊 重庆大学学报（自然科学版）JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION) 2007年 第10期
- 改进DNA遗传算法求解非线性多约束规划研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 华中科技大学学报(自然科学版)JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 改进DNA遗传算法求解非线性多约束规划研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 华中科技大学学报（自然科学版）JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 序列无约束极小化技术和遗传算法在非线性规划中的应用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:刘道建,黄天民, 期刊 邵阳高等专科学校学报JOURNAL OF SHAOYANG COLLEGE 2001年 第04期
- 序列无约束极小化技术和遗传算法在非线性规划中的应用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:刘道建,黄天民, 期刊 邵阳高等专科学校学报JOURNAL OF SHAOYANG COLLEGE 2001年 第04期

MATLAB中用遗传算法求解约束非线性规划问题
Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB

<<哈尔滨商业大学学报（自然科学版）>>2006年 第22卷 第04期
作者: 王勇
约束非线性规划问题的求解往往是运筹学中的NP问题,利用MATLAB中的遗传算法工具箱中的函数方便、快捷的求得了两个实例的最优解,进一步指出了遗传算法与传统的最优化算法的区别.
关键词: 遗传算法, 约束非线性规划, MATLAB, | 全部关键词

最优化技术方法及MATLAB的实现
编 号： 86755
著 作 者： 16.00
出 版 社： 化学工业出版社
书 号： 9787502563837
出版日期： 2005-1-1

内容包括线性规划与MATLAB的实现，即非线性规划、整数规划、动态规划、多目标规划与MATLAB的实现及图与网络分析技术等。为方便读者学习，本书安排了大量最优化方法在工程中的应用实例，根据需要逐个编写了解决这些问题的相应数学模型，应用MATLAB程序，通过简洁的运算给出了较为复杂问题的解。
本书可作为最优化技术方法或MATLAB优化工具箱应用的入门教材，供高职高专或本科院校管理、经济类专业的师生使用，也可供广大爱好者学习参考。
随着计算机科学的发展和应用，应用最优化方法解决问题的领域在不断扩大，最优化的理论和方法也得到普及和发展。线性规划、非线性规划、整数规划、动态规划和多目标规划以及图与网络技术作为最优化方法的主要内容已经成为工程技术人员和经济管理人员所必备的基础知识，目前，最优化方法课程已经开始作为高等院校的普及课程。
在“高等数学”中学习的极值理论、线性代数、向量、矩阵、泰勒公式等概念为学习“最优化方法”奠定了基础。在“最优化方法”中，这些知识的重要价值将在工程应用中得到充分体现。
在最优化方法的应用过程中，要将所学知识直接应用于解决实际问题，中间往往还有一段距离。有时，面对需要建立的复杂数学模型，尤其是繁复的数学计算问题，往往难以入手，因此，人们总是希望能够找到具有通用性和广泛性的方法，用类似于日常使用计算器的手段，解决较为复杂的计算问题。在本书中，将“最优化方法”与“MATLAB工具箱”连接起来学习，就能够在一定程度上弥补这一缺陷。
MATLAB是一个很不错的计算软件，它给数学计算带来了许多的便利和可能性，它提供了几十个工具箱，利用这些工具箱，可以解决不同领域的许多问题。
本书简明扼要、叙述清楚、文字流畅，既可作为工程学科、管理及经济学科的专、本科学生的“最优化方法”教材，也可作为应用“MATLAB工具箱”入门参考教材使用。
本书是编者根据多年的教学经验，为适应新的教学需要而编写的，所有工程应用实例均经过了MATLAB6

『捌』 模式识别，给一个训练样本X1一个测试样本X2和训练样本的分类Y1，求测试样本的分类Y2matlab程序。

net = newff(minmax(datag), [20 1] ,{'tansig','purelin'},'trainrp' );
net.trainParam.epochs = 1500;
net.trainParam.goa l= 0.00001; %bp神经抄网络创建+初始化
[net,tr] = train(net , X1, Y1); %网络训练

Y2 =sim(net, X2); %仿真
figure;
[m(i),b(i), r(i)]=postreg(X2(i,:), Y2(i,:)); %线性回归+求相关系数图

『玖』 最小二乘法在matlab中怎么实现啊

matlab中用最小二乘拟合的常用函数有polyfit（多项式拟合）、nlinfit（非线性拟合）以及regress（多元线性回归）。自变量有个或以上时，应变量一个，可以使用的有nlinfit和regress，线性时用regress，非线性时用nlinfit。对于进阶matlab使用者还有更多的选择，如拟合工具箱、fit函数、interp系列插值拟合等等。

具体介绍一下regress

regress虽然名义上只能做线性回归但是可以把x^2等非线性量作为一个额外自变量做计算，因此在一些特殊情况下也可以做非线性拟合。

以matlab自带的数据为样本，示例代码如下：（%后面的是注释）

clc;clear;

load carsmall%此数据样本matlab自带

x=Weight;y=Horsepower;z=MPG;%取这3个变量作为拟合对象，x、y自变量，z应变量

plot3(x,y,z,'p');

hold on;

c=ones(length(x),1);

b=regress(z,[x,y,c]);%纯线性拟合 模型z=b(1)*x+b(2)*y+b(3)

[X,Y]=meshgrid(linspace(1500,5000,10),linspace(40,240,10));

C=ones(10);

mesh(X,Y,b(1)*X+b(2)*Y+b(3)*C);

grid on;

b=regress(z,[x.^2,y.^2,x.*y,x,y,c]);%添加非线性项进行拟合

figure

plot3(x,y,z,'p');

hold on;

mesh(X,Y,b(1)*X.^2+b(2)*Y.^2+b(3)*X.*Y+b(4)*X+b(5)*Y+b(6)*C);

grid on;

『拾』 matlab中的降维函数是什么

drttoolbox : Matlab Toolbox for Dimensionality Rection是Laurens van der Maaten数据降维的工具箱。
里面囊括了几乎所有的数据降维算法：
- Principal Component Analysis ('PCA')
- Linear Discriminant Analysis ('LDA')
- Independent Component Analysis ('ICA')
- Multidimensional scaling ('MDS')
- Isomap ('Isomap')
- Landmark Isomap ('LandmarkIsomap')
- Locally Linear Embedding ('LLE')
- Locally Linear Coordination ('LLC')
- Laplacian Eigenmaps ('Laplacian')
- Hessian LLE ('HessianLLE')
- Local Tangent Space Alignment ('LTSA')
- Diffusion maps ('DiffusionMaps')
- Kernel PCA ('KernelPCA')
- Generalized Discriminant Analysis ('KernelLDA')
- Stochastic Neighbor Embedding ('SNE')
- Neighborhood Preserving Embedding ('NPE')
- Linearity Preserving Projection ('LPP')
- Stochastic Proximity Embedding ('SPE')
- Linear Local Tangent Space Alignment ('LLTSA')
- Simple PCA ('SPCA')