matlab

首先十年的日级别数据量的确不大，使用Python来说的话不应该出现memoryerror，应该是在编程方面需要再多留意，我们在Ricequant上使用的分钟数据大概是200-300个GB左右，也是Python和Java共同合作完成的。语言只是一个语言，兴许会有各种语法的不同，但是在谈语言的时候我们需要了解背后的工具箱和社区，以及它为什么处理一些事情比另外的一些语言要好。本身Python初期用来做金融回测等是应该被放弃的，用来开发策略也应该是被放弃的，因为相比matlab的矩阵运算来做开发，实在是太方便了。只不过后来Python推出了series、pandas等一系列的强悍library，pandas的语法基本在“无耻”地模仿matlab和R，而pandas的开发者正是美国大名鼎鼎的对冲基金AQR，因此使data crunching和对数据的一些操作大大便利，此外，又包装了海量的开源社区的数学和科学计算库，也能处理各种的machin learning等等的问题。从科学计算的语言的发展来看，从最初的人们对浮点数计算的需求加入了fortran，再一路进行，让工具更加的让科学计算容易再容易（Python也封装了大量早期的数学家们用fortran写的数学计算基础库，这些经历了几十年的考验、加速等等）：我们来看下python目前的科学技术栈：numpy: basic array manipulation - 基础的数组处理scipy: scientific computing in python, including signal processing and optimization - 科学计算，包括信号处理和优化等matplotlib: visualization and plotting - 几行代码就可以做图形化显示了IPython: write and run python code interactively in a shell or a notebook - 互动式编程环境，这是能将来替代掉matlab的一个必备，即在一行一行代码的输入、显示过程中学习、改进pandas: data manipulation - 最重要的矩阵运算等scikit-learn: machine learning - 机器学习但是随着以后的发展Python的开源属性就会体现的越来越强大，可以让更多的人享受到其便利和贡献进来，包括Quantopian也放出了zipline的python回测框架，只需要引入yahoo数据即可进行回测，并且Python的速度由于跟C的很好的结合可以达到非常快的速度，而且可以将来和其他系统很容易整合对接实盘交易接口。由于欧美已经有很多的投行和对冲基金在往Python的技术栈靠拢，因此选择了Python即掌握了一门重要的工具，并且无需跟一家私有化公司进行捆绑。当然，最后的最后，所有的python回测你都可以来Ricequant - Beta上完成，我们支持海量的市场、财务数据，还有不断加入的和大数据公司合作的舆情数据等等，同时策略回测完还可以做实时模拟交易，享受到实时数据的计算。在云平台上已经支持了几乎所有的Python科学计算库，无需花时间安装、测试等等。

matlab帮助文档里的解释。probplot(Y) produces a normal probability plot comparing the distribution of the data Y to the normal distribution. Y can be a single vector, or a matrix with a separate sample in each column. The plot includes a reference line useful for judging whether the data follow a normal distribution. probplot uses midpoint probability plotting positions.这个函数只能针对下面的分布 "exponential" Exponential "extreme value" or "ev" Extreme value "lognormal" Lognormal "normal" Normal "rayleigh" Rayleigh "weibull" or "wbl" Weibull

quiverm(A,"r") 这个函数是画矢量图,输入矩阵A中,第1,2列是向量的x,y坐标,第3,4列是x,y向的梯度值(其余列忽略) 其中: if isstr(x) x = eval(x); end 如果输入参数x是一个字符串,则把它当作命令执行,比如: quiverm("magic(10)","r") 即先运行magi

function [c,uband,lband]=hillplot(data,param,opt,ci,plotlen) %Plots the Hill estimate of the tail index of heavy-tailed data % % USAGE: [out,uband,lband]=hillplot(data,param,opt,ci,plotlen) % % data: Data vector % param: whether "alpha" or "xi" (1/alpha) should be plotted % opt: Option for plotting with respect to threshold ("t") or number of exceedances % ("n"). % ci: Confidence interval %plotlen: Optional argument that determines plotting range of hill estimate starting from % first order statistics. It can be entered as an integer (no quotes) or as a % percentage as "%5" including the quotes. % % out: Parameter plotted % uband: Upper confidence interval % lband: Lower confidence interval data=surecol(data); ordered=flipud(sort(data)); ordered=ordered(ordered>0); n=length(ordered); loggs=log(ordered);

是不是之前定义过一个Marker_size=15之类的东西呢？ 不过我一般都不这么定义 感觉没必要

这plot之后，可以增加参数，控制线型或者marker的显示风格例如plot(x,y,"--rs","LineWidth",2,... %线型为红色虚线，marker为方框，线粗细设定为2"MarkerEdgeColor","k",... %marker边缘颜色设定为黑色"MarkerFaceColor","g",... %marker内部颜色设定为绿色"MarkerSize",10) %marker大小设定为10如果你只需要设定大小，那么只需要最后一个设定就可以了大小有后面的数字决定

这plot之后，可以增加参数，控制线型或者marker的显示风格例如plot(x,y,"--rs","linewidth",2,...%线型为红色虚线，marker为方框，线粗细设定为2"markeredgecolor","k",...%marker边缘颜色设定为黑色"markerfacecolor","g",...%marker内部颜色设定为绿色"markersize",10)%marker大小设定为10如果你只需要设定大小，那么只需要最后一个设定就可以了大小有后面的数字决定

使用matlab实现oper(x,y,method)函数，以使oper(x,y,"add")实现plus(x,y)即x+y，oper(x,y,"multiply")实现times(x,y)即x*y，oper(x,y,"sub")实现minus(x,y)即x-y，而oper(x,y,"combine")实现strcat(x,y)即两字符串相连接的效果，需要用到strrep函数和feval函数，实现效果需用5个matlab语句，如下。oper=@(x,y,method)feval(strrep(strrep(strrep(strrep(method,"add","plus"),"sub","minus"),"combine","strcat"),"multiply","times"),x,y);oper(1,2,"add")oper(1,2,"multiply")oper(1,2,"sub")oper(1,2,"combine")oper("1","2","combine")代码运行如图

你是不是没有权限, 你不是管理员吧.你把它保存到D盘试试看

1.你的程序里是zd按照符号运算的。符号运算不用plot，好像用要用ezplot的。2.我不知道版你程序里的权物理概念，但改一下就行：%syms L I Rs Rr a Rg Z x yI=1000L=2Rg=15Rs=0.026Rr=0.0001Z=(Rg*(Rs+Rr))^(0.5)a=((Rs+Rr)/Rg)^(0.5)x=0:0.1:2y=-I*Z*Rs*tanh(a*L/2)*cosh(a*x)/(Rs+Rr)+I*Z*Rs*sinh(a*x)/(Rs+Rr)plot(x,y)grid on

untitled*就是未命名未保存的文件，需要保存后才可以运行

untitled的意思就是“没有命名"

第7行出现错误呗 程序要贴出来才知道啊

界面上方工具栏中找到运行按钮。具体步骤为首先打开软件，在软件界面的左上角找到“新建脚本”按钮，我们点击该按钮，界面上就会出现一个Untitled文件编辑区。在Untitled文件编辑区中，我们编辑输入想要实现功能的小程序代码。编辑完成后，我们在界面左上方找到“保存”按钮，点击该按钮就可以进入到文件保存路径选择页面。在文件保存路径选择页面中，我们找到文件的保存位置后，再点击页面右下角的“保存”按钮即可。然后在界面上方工具栏中找到“运行”按钮，如果我们刚刚输入的程序代码没有错误，就可以立即运行程序。

运行：n=1;while prod(1:n) < 1e100 n=n+1;endn结果：n =70后面加个n就ok。

nff 是FFT变换的系数长度，比如1024,window是X的分帧长度，要小于或者等于nff，一般等于nff,overlap是帧重叠的长度，要<= 1/2 * nff, 取1/4 * nff 就可以了。

等scope显示出来图像以后，在MATLAB上运行 set(0,"ShowHiddenHandles","On") set(gcf,"menubar","figure") 这时候你会发现scope的工具栏的上面多了一行，点击insert-axes，鼠标会变成十字形状，然后再图像的任意一处双击左键出现一个对话框PropertyEditor，选中style在窗口的右便会出现color，这时你就可以任意修改背景颜色了。 建议你最好保存数据在workspace里面，用plot的方法打印图形。不要直接复制示波器的波形。

你这个杀要达到什么功能要求是不是也要做设计,还是怎样

用boxplot命令可以画盒须图说明：boxplot(X,notch)：当notch=1时，产生一凹盒图，notch=0时产生一矩箱图。 boxplot(X,notch,"sym")：sym表示图形符号，默认值为“+”。 boxplot(X,notch,"sym",vert) %当vert=0时，生成水平盒图，vert=1时，生成竖直盒图boxplot(X,notch,"sym",vert,whis) ，whis定义“须”图的长度，默认值为1.5，若whis=0则boxplot函数通过绘制sym符号图来显示盒外的所有数据值。 例如：创建2组正态分布样本的缺口箱形图 >> x1 = normrnd(5,1,100,1); >> x2 = normrnd(6,1,100,1); >> boxplot([x1,x2],"notch","on");

这里find是寻找v（j,:）数组里面大于vmax=0.5的元素的位置

>>f=inline("x^2-x-2");>>[c,err,yc]=bisect(f,0,3,0.01)c=2.0010err=0.0059yc=0.0029-----------%使用二分法求解上面超越方程%下面是二分法的函数文件,你直接设置输入参数就可以了function[c,err,yc]=bisect(f,a,b,delta)%Input-fisthefunction%-aandbaretheleftandrightendpoints%-deltaisthetolerance%Output-cisthezero%-yc=f(c)%-erristheerrorestimateforc%IffisdefinedasanM-filefunctionusethe@notation%call[c,err,yc]=bisect(@f,a,b,delta).%Iffisdefinedasananonymousfunctionusethe%call[c,err,yc]=bisect(f,a,b,delta).%NUMERICALMETHODS:MatlabPrograms%(c)2004byJohnH.MathewsandKurtisD.Fink%ComplementarySoftwaretoaccompanythetextbook:%NUMERICALMETHODS:UsingMatlab,FourthEdition%ISBN:0-13-065248-2%Prentice-HallPub.Inc.%OneLakeStreet%UpperSaddleRiver,NJ07458ya=f(a);yb=f(b);ifya*yb>0,return,endmax1=1+round((log(b-a)-log(delta))/log(2));fork=1:max1c=(a+b)/2;yc=f(c);ifyc==0a=c;b=c;elseifyb*yc>0b=c;yb=yc;elsea=c;ya=yc;endifb-a<delta,break,endendc=(a+b)/2;err=abs(b-a);yc=f(c);

%tentclc;clear all;close allaxis([0,1,0,1]);x0=0.1;t=800;M=850;r=0:0.002:1;[m,n]=size(r);hold onfor i=1:n if x0<0.5 x(1)=2*r(i)*x0; end if x0>=0.5 x(1)=2*r(i)*(1-x0); endfor j =2:M if x(j-1)<0.5 x(j)=2*r(i)*x(j-1); end if x(j-1)>=0.5 x(j)=2*r(i)*(1-x(j-1)); endendxn{i}=x(t+1:M);pause(0.1);plot(r(i),xn{i},"b.","Markersize",2);xlabel("r");ylabel("x(i)");end

%tent N=50000;a=0.01x2=zeros(1,50000);x2(1)=0.1;for i=1:N-1 if x2(i)<=a && x2(i)>=0 x2(i+1)=1/a*x2(i); elseif x2(i)<=1 && x2(i)>a x2(i+1)=1/a*(1-x2(i)); endend[C2,xc2]=hist(x2,100);figureplot(xc2,C2,"-r.")title("tent map")

楼主的意思是将cl向后推移吗？没完全明白你的意思，你看看下面的有没有实现你想要的：cl = [1;2;3;4;5];%举例lag1_cl = [0;cl(1:end-1)];%此处可延迟，如果要函数的话，自己封装下就可以了dailyret=(cl-lag1_cl)./lag1_cl

下面是MATLAB演示程序中的一段关于FFT的代码。First create some data. Consider data sampled at 1000 Hz. Start by forming a time axis for our data, running from t=0 until t=.25 in steps of 1 millisecond. Then form a signal, x, containing sine waves at 50 Hz and 120 Hz. t = 0:.001:.25;x = sin(2*pi*50*t) + sin(2*pi*120*t);%%% Add some random noise with a standard deviation of 2 to produce a noisy% signal y. Take a look at this noisy signal y by plotting it.y = x + 2*randn(size(t));plot(y(1:50))title("Noisy time domain signal")%%% Clearly, it is difficult to identify the frequency components from looking at% this signal; that"s why spectral analysis is so popular.%% Finding the discrete Fourier transform of the noisy signal y is easy; just% take the fast-Fourier transform (FFT).Y = fft(y,256);%%% Compute the power spectral density, a measurement of the energy at various% frequencies, using the complex conjugate (CONJ). Form a frequency axis for% the first 127 points and use it to plot the result. (The remainder of the 256% points are symmetric.)Pyy = Y.*conj(Y)/256;f = 1000/256*(0:127); =====================【问】这个频率轴是怎么运算的？？为什么要在前面*1000/256?还有为什么只取前面一半的点？？plot(f,Pyy(1:128))title("Power spectral density")xlabel("Frequency (Hz)")%%% Zoom in and plot only up to 200 Hz. Notice the peaks at 50 Hz and 120 Hz.% These are the frequencies of the original signal.plot(f(1:50),Pyy(1:50))title("Power spectral density")xlabel("Frequency (Hz)")

f = 1000/256*(0:127)<=>f=1000/256*(0:1:127)即1000/256*数组[0:1:127]

你好在tree里面找到simulinkextras，然后点击里面的additionalsinks,就有powerspectraldensity了。如下图：其实，一般不知道在哪里的，都可以通过如楼上所说，通过搜索找到。方式如下图：希望对你有帮助！

Parfor 是把for循环的每次循环分摊到不同的worker进行并行计算

PSM（Power Spectrum Method） 将影像先进行傅立叶转换 在进行计算光谱

mux就是你全部的信号集合，一一对应着你的输入信号。你想选哪一路，和mux的输入顺序有关。

这个是simulink的问题。Bus可以把不同数据类型的信号进行组合，而mux则不行。初学者还是用mux把。

首先来看muxx0dx0aMux模块的基本思想就是将多路信号集成一束，这一束信号在模型中传递和处理中都看做是一个整体。（Mux实际上代表多路信号。）与Mux Block配套的是Demux Block，它将各路信号相互分离以便能对各信号进行单独处理。 请看下面这个例子。x0dx0aMux将三路信号x,y,z集结为宽为3的单路信号。Demux模块则用来从复合的单路信号分离出各基本元素。Mux和Demux都不会将信号改变，它们只是“虚拟”的。当模型运行时，这些模块就像不存在一样，只是源和目标的连接保持着，就像这样：x0dx0a使用mux的一个重要应用就是构造向量。这表示你可以将它的输出当作一个向量来使用。比如，将向量乘以2。x0dx0a这种类型的向量操作要求所有输入Mux模块的信号都是同种数据类型。从我的理解来看，只是为了使得它们组成的向量有意义。通常，这些信号元素都具有相同的单位或者说它们是有特定作用的组。对于Mux模块，你只需要定义输入信号数量。x0dx0a使用虚拟向量形式的另一个好处是你可以使用selector模块来索引并取出各路信号或再进行连接。x0dx0ax0dx0a接着讨论busx0dx0a当需要将不同类型的信号集结在一起，或者在使用向量不能方便的表达我的模型图时，我们可以使用bus。总线bus信号确实可以使你的模型图变整洁。Bus Creator和Bus Selector以图示的形式方便了管理信号和组织模型。在我的想象中，bus就像是一系列七彩的信号线被绑在一起。如果不是这样，我恐怕很快就会很难组织这些信号了。作为实例，请看Aerospace Blockset中的an example model of the DeHaviland Beaver。x0dx0a在模型的最上层，所有对象都整洁有序，这是因为所有在各个子系统内计算的信息都被集入了一条总线。各个系统都使用Bus Creator将相关信号打包装入了一条总线内，接着将总线输入需要这些信号的各系统。x0dx0a你能想象如果这些信号没有集入总线是什么样子？下图是一个同样的模型，但它看起来很乱。x0dx0a在这个模型里，许多组件子系统使用总线信号以形成较简洁的接口。我注意到，部分人只在别的系统需要时才将信号放入总线内。以下就是用总线信号来定义接口的一个系统实例。x0dx0a浏览这个模块图，你会发现飞行参数（FltParams）是由环境参数（EnvirBus）和飞行器信号（ACBus）计算而来。在这个子系统内部，你可以看到使用了Bus Selectors来从打包信号里将特定元素取出。计算出来的飞行参数通过一个Bus Creator组合在一起来定义FltParams总线。x0dx0a总线信号也可以表现不同层次x0dx0ax0dx0a我们来看一下Environment Bus中的层次结构。这是一个将一路总线并入其他总线内的例子。环境信号中重力加速度(g)和压力(rho)以及wind bus(Vwind)被导入Bus Creator。而wind bus则由body velocities(uvw_wind)和body rates(pqr_wind)来定义。

榈幕舅枷刖褪墙嗦沸藕偶梢皇庖皇藕旁谀Ｐ椭写莺痛碇卸伎醋鍪且桓稣濉＃∕ux实际上代表多路信号。）与Mux Block配套的是Demux Block，它将各路信号相互分离以便能对各信号进行单独处理。 请看下面这个例子。 Mux将三路信号x,y,z集结为宽为3的单路信号。Demux模块则用来从复合的单路信号分离出各基本元素。Mux和Demux都不会将信号改变，它们只是“虚拟”的。当模型运行时，这些模块就像不存在一样，只是源和目标的连接保持着，就像这样：使用mux的一个重要应用就是构造向量。这表示你可以将它的输出当作一个向量来使用。比如，将向量乘以2。这种类型的向量操作要求所有输入Mux模块的信号都是同种数据类型。从我的理解来看，只是为了使得它们组成的向量有意义。通常，这些信号元素都具有相同的单位或者说它们是有特定作用的组。对于Mux模块，你只需要定义输入信号数量。使用虚拟向量形式的另一个好处是你可以使用selector模块来索引并取出各路信号或再进行连接。接着讨论bus 当需要将不同类型的信号集结在一起，或者在使用向量不能方便的表达我的模型图时，我们可以使用bus。总线bus信号确实可以使你的模型图变整洁。Bus Creator和Bus Selector以图示的形式方便了管理信号和组织模型。在我的想象中，bus就像是一系列七彩的信号线被绑在一起。如果不是这样，我恐怕很快就会很难组织这些信号了。作为实例，请看Aerospace Blockset中的an example model of the DeHaviland Beaver。在模型的最上层，所有对象都整洁有序，这是因为所有在各个子系统内计算的信息都被集入了一条总线。各个系统都使用Bus Creator将相关信号打包装入了一条总线内，接着将总线输入需要这些信号的各系统。你能想象如果这些信号没有集入总线是什么样子？下图是一个同样的模型，但它看起来很乱。在这个模型里，许多组件子系统使用总线信号以形成较简洁的接口。我注意到，部分人只在别的系统需要时才将信号放入总线内。以下就是用总线信号来定义接口的一个系统实例。浏览这个模块图，你会发现飞行参数（FltParams）是由环境参数（EnvirBus）和飞行器信号（ACBus）计算而来。在这个子系统内部，你可以看到使用了Bus Selectors来从打包信号里将特定元素取出。计算出来的飞行参数通过一个Bus Creator组合在一起来定义FltParams总线。总线信号也可以表现不同层次我们来看一下Environment Bus中的层次结构。这是一个将一路总线并入其他总线内的例子。环境信号中重力加速度(g)和压力(rho)以及wind bus(Vwind)被导入Bus Creator。而wind bus则由body velocities(uvw_wind)和body rates(pqr_wind)来定义。下图中的Bus Creator对话框，表现了总线中的信号的组织。在它最基本的使用中，你只需要定义信号的输入数目。各元素以其信号名称加以区分。

首先来看muxMux模块的基本思想就是将多路信号集成一束，这一束信号在模型中传递和处理中都看做是一个整体。（Mux实际上代表多路信号。）与Mux Block配套的是Demux Block，它将各路信号相互分离以便能对各信号进行单独处理。 请看下面这个例子。Mux将三路信号x,y,z集结为宽为3的单路信号。Demux模块则用来从复合的单路信号分离出各基本元素。Mux和Demux都不会将信号改变，它们只是“虚拟”的。当模型运行时，这些模块就像不存在一样，只是源和目标的连接保持着，就像这样：使用mux的一个重要应用就是构造向量。这表示你可以将它的输出当作一个向量来使用。比如，将向量乘以2。这种类型的向量操作要求所有输入Mux模块的信号都是同种数据类型。从我的理解来看，只是为了使得它们组成的向量有意义。通常，这些信号元素都具有相同的单位或者说它们是有特定作用的组。对于Mux模块，你只需要定义输入信号数量。使用虚拟向量形式的另一个好处是你可以使用selector模块来索引并取出各路信号或再进行连接。接着讨论bus当需要将不同类型的信号集结在一起，或者在使用向量不能方便的表达我的模型图时，我们可以使用bus。总线bus信号确实可以使你的模型图变整洁。Bus Creator和Bus Selector以图示的形式方便了管理信号和组织模型。在我的想象中，bus就像是一系列七彩的信号线被绑在一起。如果不是这样，我恐怕很快就会很难组织这些信号了。作为实例，请看Aerospace Blockset中的an example model of the DeHaviland Beaver。在模型的最上层，所有对象都整洁有序，这是因为所有在各个子系统内计算的信息都被集入了一条总线。各个系统都使用Bus Creator将相关信号打包装入了一条总线内，接着将总线输入需要这些信号的各系统。你能想象如果这些信号没有集入总线是什么样子？下图是一个同样的模型，但它看起来很乱。在这个模型里，许多组件子系统使用总线信号以形成较简洁的接口。我注意到，部分人只在别的系统需要时才将信号放入总线内。以下就是用总线信号来定义接口的一个系统实例。浏览这个模块图，你会发现飞行参数（FltParams）是由环境参数（EnvirBus）和飞行器信号（ACBus）计算而来。在这个子系统内部，你可以看到使用了Bus Selectors来从打包信号里将特定元素取出。计算出来的飞行参数通过一个Bus Creator组合在一起来定义FltParams总线。总线信号也可以表现不同层次我们来看一下Environment Bus中的层次结构。这是一个将一路总线并入其他总线内的例子。环境信号中重力加速度(g)和压力(rho)以及wind bus(Vwind)被导入Bus Creator。而wind bus则由body velocities(uvw_wind)和body rates(pqr_wind)来定义。下图中的Bus Creator对话框，表现了总线中的信号的组织。在它最基本的使用中，你只需要定义信号的输入数目。各元素以其信号名称加以区分。类似于Mux Blocks, bus creators也不完全不会改变信号，所以我们可以认为它们是虚拟的。

求平均值。直接调用，mean(a),其中a为向量或一维数组； 或mean(x1,x2,x3,...)

>> help pil2pil2 not found.Use the Help browser search field to search the documentation, ortype "help help" for help command options, such as help for methods.说明： pil2不是matlab的函数，可能自写的。

电脑告诉你，函数定义不允许在命令行或者脚本里。所以你不能在命令行窗口中输入function b=sushu(n)，而是要建立个m文件。在命令行输入edit sushu然后会弹出对话框问你是否创建m文件，确定之后打开m文件的编辑器。在里面输入function b=sushu(n)，然后后面可以写函数内容了。function b=sushu(n)前面可以有注释，但不可以有其他命令，如果有其他命令，matlab就会认为这个m文件是个脚本文件，而不是函数文件。一样会出错的。函数定义不能混杂在脚本文件中。最后编辑好别忘了保存，保存的文件名可以和function定义的函数名相同也可以不同，不过在命令行调用函数的时候是按你保存的文件名调用的。调用时在命令行写命令啊，跟系统函数一样的用法，比如y=sushu(x);或者b=min(sushu(a));类似于这样的，都可以，看你具体函数是什么了，需要什么样的参数。

MATLAB是矩阵实验室（Matrix Laboratory）之意。除具备卓越的数值计算能力外，它还提供了专业水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。

基于sift的图像复制粘贴篡改检测方法，首先提取出sift特征，这里提取的sift特征是用c++代码提取的，然后进行g2nn匹配和凝聚层次聚类 ，最后根据仿射变换参数标出篡改区域。并用连线的方式将真实区域和复制粘贴篡改区域标记出来。

看看这个程序函数main（） - 北美％，其主要思想是选择从两个图像信息，然后争先恐后到一个单一的形象。 ％，可以从多个（2 * n个）按照上述思路的图像进行加密，得到一半的数量（n个）图像。 ％所获得的图像隐藏的自适应算法中，并且能够获得第（n-1）个图像。 ％对于第（n-1）个图像Arnold变换的，第（n-1）作为密钥块的图像，此外，密钥有迭代的次数，加扰规则，阿诺德加密规则 BR>％阿诺德的主要缺点是较大的周期，程序运行的时间很长，我的电脑需要8分钟，另一个，阿诺德只能处理方阵大量的扰码加密算法，程序中使用的图像％扰码加密算法，只有一个办法，只是提出了占地多图像加密的思想，有要迟到做了很多工作。 ％阅读4画面 F1 = imread（"lena.gif"）; F2 = imread（"monkey.gif"）; F3 = imread（"house.gif"）; F4 = imread（"cameraman.gif"）;图像置乱 pic1_zhiluan = zhiluan（F1，F2） - 北美％; pic2_zhiluan = zhiluan（F3，F4）; ％的显示失真的图像 pic1_zhiluan = UINT8（pic1_zhiluan）; 图，imshow（pic1_zhiluan），标题（“图片1 zhiluan"） - 欧洲pic2_zhiluan = UINT8（pic2_zhiluan）; 图，imshow（pic2_zhiluan），标题（“PIC2 zhiluan"） - 中东％的两幅图像都争先恐后地隐藏 X1 =输入（"请输入一个混合迭代参数：" ）; pic1_hide =隐藏（pic1_zhiluan，X1，pic2_zhiluan）;图像％是经过Arnold置乱加密 diedai1 =输入隐藏的（"输入参数迭代："） pic1_jiami =阿诺德（pic1_hide，diedai1,0）; ％，显示加密图像 pic1_jiami = UINT8（pic1_jiami）; 图，imshow（pic1_jiami），标题（“图片1佳米"） - 欧洲diedai2 =输入（"请输入一个迭代参数："） pic2_jiami =阿诺德（pic2_zhiluan，diedai2,0）; pic2_jiami = UINT8（pic2_jiami）; 图，imshow（pic2_jiami），标题（“PIC2佳米"） - 北美％解密图像 pic1_jiemi =阿诺德（pic1_jiami，diedai1,1）; pic2_jiemi =阿诺德（pic2_jiami，diedai2,1）;隐藏图像 pic1_huifu =惠福（pic1_jiemi，X1，pic2_jiemi）以后 - ％的回收率; ％争先恐后逆过程，得到的图片恢复[较受欢迎，图像2] = ni_zhiluan（pic1_huifu）; [为image3，为image4] = ni_zhiluan（pic2_jiemi）; ％，显示每个图像 F1 = UINT8（F1）; 图，imshow（F1），标题（“F1”）; 图，imhist（F1），标题（“F1直方图"）; 较受欢迎= UINT8（较受欢迎）; 图，imshow（较受欢迎），标题（“较受欢迎”）; 图，imhist（较受欢迎），标题（“较受欢迎直方图"）; F2 = UINT8（F2）; 图，imshow（F2），标题（"F2"）; 图，imhist（F2），标题（"F2的直方图"）; 较受欢迎= UINT8（图片2）; 图，imshow（图片2），标题（“图像2"）; 图，imhist（图片2），标题（“直方图的图像2"）; F3 = UINT8（F3）; 图，imshow（F3），标题（“F3”）; 图，imhist（F3），标题（“F3的直方图"）; 为image3 = UINT8（为image3）; 图，imshow（为image3），标题（“为image3"）; 图，imhist（为image3），标题（“直方图为image3"）; F4 = UINT8（F4）; 图，imshow（F4），标题（“F4”）; 图，imhist（F4），标题（“F4的直方图"）; 为image4 = UINT8（为image4）; 图，imshow（为image4），标题（“为image4"）; 图，imhist（为image4），标题（“为image4直方图”

http://blog.sina.com.cn/s/blog_5987cfe10100atek.html这里有详细介绍，链接的原算法和改进后算法的代码可以直接下载！

T1读取图片后获取的是该图形的句柄值，是数值化的反映图片数据了

这个意思就是说这里更本就不能算matlab代码，也就是说看这个是没用的，我也看了这个代码结构，推荐你看看opencv的代码吧，网上有人发过详解

a & vbcrlf & b试试看。

ifmsgbox("提示",vbokcancel,"标题")=1then"按下了确定else"按下了取消或者直接关闭endif

msgbox("你要显示的内容", "对话框标题");要显示p的值msgbox(num2str(p), "对话框标题");

限元有限元法（FEA，Finite Element Analysis）的基本概念是用较简单的问题代替复杂问题后再求解。它将求解域看成是由许多称为有限元的小的互连子域组成，对每一单元假定一个合适的(较简单的）近似解，然后推导求解这个域总的满足条件(如结构的平衡条件），从而得到问题的解。这个解不是准确解，而是近似解，因为实际问题被较简单的问题所代替。由于大多数实际问题难以得到准确解，而有限元不仅计算精度高，而且能适应各种复杂形状，因而成为行之有效的工程分析手段。 英文：Finite Element 有限单元法是随着电子计算机的发展而迅速发展起来的一种现代计算方法。它是50年代首先在连续体力学领域--飞机结构静、动态特性分析中应用的一种有效的数值分析方法，随后很快广泛的应用于求解热传导、电磁场、流体力学等连续性问题。 有限元法分析计算的思路和做法可归纳如下：编辑本段1） 物体离散化 将某个工程结构离散为由各种单元组成的计算模型，这一步称作单元剖分。离散后单元与单元之间利用单元的节点相互连接起来；单元节点的设置、性质、数目等应视问题的性质，描述变形形态的需要和计算进度而定（一般情况单元划分越细则描述变形情况越精确，即越接近实际变形，但计算量越大）。所以有限元中分析的结构已不是原有的物体或结构物，而是同新材料的由众多单元以一定方式连接成的离散物体。这样，用有限元分析计算所获得的结果只是近似的。如果划分单元数目非常多而又合理，则所获得的结果就与实际情况相符合。编辑本段2） 单元特性分析 A、 选择位移模式 在有限单元法中，选择节点位移作为基本未知量时称为位移法；选择节点力作为基本未知量时称为力法；取一部分节点力和一部分节点位移作为基本未知量时称为混合法。位移法易于实现计算自动化，所以，在有限单元法中位移法应用范围最广。 当采用位移法时，物体或结构物离散化之后，就可把单元总的一些物理量如位移，应变和应力等由节点位移来表示。这时可以对单元中位移的分布采用一些能逼近原函数的近似函数予以描述。通常，有限元法我们就将位移表示为坐标变量的简单函数。这种函数称为位移模式或位移函数。 B、 分析单元的力学性质 根据单元的材料性质、形状、尺寸、节点数目、位置及其含义等，找出单元节点力和节点位移的关系式，这是单元分析中的关键一步。此时需要应用弹性力学中的几何方程和物理方程来建立力和位移的方程式，从而导出单元刚度矩阵，这是有限元法的基本步骤之一。 C、 计算等效节点力 物体离散化后，假定力是通过节点从一个单元传递到另一个单元。但是，对于实际的连续体，力是从单元的公共边传递到另一个单元中去的。因而，这种作用在单元边界上的表面力、体积力和集中力都需要等效的移到节点上去，也就是用等效的节点力来代替所有作用在单元上的力。编辑本段3） 单元组集 利用结构力的平衡条件和边界条件把各个单元按原来的结构重新连接起来，形成整体的有限元方程 （1-1） 式中，K是整体结构的刚度矩阵；q是节点位移列阵；f是载荷列阵。编辑本段4） 求解未知节点位移 解有限元方程式（1-1）得出位移。这里，可以根据方程组的具体特点来选择合适的计算方法。 通过上述分析，可以看出，有限单元法的基本思想是"一分一合"，分是为了就进行单元分析，合则为了对整体结构进行综合分析。 有限元的发展概况 1943年 courant在论文中取定义在三角形域上分片连续函数，利用最小势能原理研究St.Venant的扭转问题。 1960年 clough的平......

隐层径向基函数的聚类中心，聚类中心有多种算法，常用K-means聚类

径向基函数是单变量的函数，直接用plot命令即可。画出来的图像应该是个尖顶的对称函数曲线。plot(x,y)：若y和x为同维向量，则以x为横坐标,y为纵坐标绘制连线图。若x是向量，y是行数或列数与x长度相等的矩阵，则绘制多条不同色彩的连线图，x被作为这些曲线的共同横坐标。若x和y为同型矩阵，则以x,y对应元素分别绘制曲线，曲线条数等于矩阵列数。例子：在0≤x≤2π区间内，绘制曲线y=2e-0.5xcos(4πx)程序如下：x=0:pi/100:2*pi;y=2*exp(-0.5*x).*cos(4*pi*x);plot(x,y)

你没有训练网络 只是建立了

程序的矩阵 维数不对啊，Output port 1 of "untitled/Subsystem/Unit Delay3"不是个一维11列向量

p 代表输入吗？ T 代表输出吗？

您好：clc clear allclose all %--------------------------------------------------- % 产生训练样本与测试样本，每一列为一个样本 n1 = [rand(3,5),rand(3,5)+1,rand(3,5)+2]; x1 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)]; n2 = [rand(3,5),rand(3,5)+1,rand(3,5)+2]; x2 = [repmat([1;0;0],1,5),repmat([0;1;0],1,5),repmat([0;0;1],1,5)] xn_train = n1; % 训练样本 dn_train = x1; % 训练目标 xn_test = n2; % 测试样本 dn_test = x2; % 测试目标 %--------------------------------------------------- % 训练与测试 switch 3 case 1 % 神经元数是训练样本个数 P = xn_train; T = dn_train; spread = 40; % 此值越大,覆盖的函数值就大(默认为1) net = newrbe(P,T,spread); case 2 % 神经元数逐步增加,最多就是训练样本个数 P = xn_train; T = dn_train; goal = 1e-8; % 训练误差的平方和(默认为0) spread = 40; % 此值越大,需要的神经元就越少(默认为1) MN = size(xn_train,2); % 最大神经元数(默认为训练样本个数) DF = 1; % 显示间隔(默认为25) net = newrb(P,T,goal,spread,MN,DF); case 3 P = xn_train; T = dn_train; spread = 0.5; % 此值越大,需要的神经元就越少(默认为1) net = newgrnn(P,T,spread); end X = sim(net,xn_test); % 测试 - 输出为预测值 X = full(compet(X)) % 竞争输出 %--------------------------------------------------- % 结果统计 Result = ~sum(abs(X-x2)) % 正确分类显示为1 Percent = sum(Result)/length(Result) % 正确分类率

运用RBF神经网络设计复合材料界面性能 刘子龙;秦伟 提出一种设计碳纤维织物/环氧复合材料界面性能的新方法。利用径向基函数神经网络,建立起工艺参数与复合材料界面性能的关系模型,同时给出实例来验证此方法的有效性。

仔细查下你的数据，输入输出维数不一样……

newrbe是设计精确的径向基神经网络的函数，用法如：P = [1 2 3];%输入T = [2.0 4.1 5.9];%目标net = newrbe(P,T);%生成神经网络其算法是：生成的网络有2层，第一层是radbas神经元，用dist计算加权输入，用netprod计算网络输入，第二层是purelin神经元，用 dotprod计算加权输入，用netsum计算网络输入。两层都有偏差b。newrbe先设第一层权重为p"，偏差为0.8326，第二层权重IW{2,1}从第一层的仿真输出 A{1}得到，偏差 b{2}从解线性方程 [W{2,1} b{2}] * [A{1}; ones] = T 得到。

其实核心很简单，你要用到神经网络的训练函数，百度好多的

函数不同。一个用newff一个用rbf。

这三条曲线是误差曲线，分别对应于训练数据的误差曲线，校验数据的误差曲线，测试数据的误差曲线，当训练误差达到指定精度时，停止训练

newrbe是设计精确的径向基神经网络的函数，用法如：P=[123];%输入T=[2.04.15.9];%目标net=newrbe(P,T);%生成神经网络其算法是：生成的网络有2层，第一层是radbas神经元，用dist计算加权输入，用netprod计算网络输入，第二层是purelin神经元，用dotprod计算加权输入，用netsum计算网络输入。两层都有偏差b。newrbe先设第一层权重为p"，偏差为0.8326，第二层权重IW{2,1}从第一层的仿真输出A{1}得到，偏差b{2}从解线性方程[W{2,1}b{2}]*[A{1};ones]=T得到。

MATLAB中利用RBF神经网络得到的输出结果中neurons = 0，2,3,4……的意思是神经元的阶数neurons=0，表示神经元为0阶数，均方误差MSE=0.22...neurons=2，表示神经元为2阶数，均方误差MSE=0.10...neurons=3，表示神经元为3阶数，均方误差MSE=0.04...。。。当神经元的阶数越高，其均方误差MSE也就越小。

newrb的功能是创建一个径向基函数网络，利用的是高斯函数。

t₁=arctan(4/3)，则tant=4/3；sect=5/3，csct=5/4;t₂=arctan(3/4)，则tant=3/4; sect=5/4，csct=5/3;【t₁是上限，t₂是下限】∴[ln∣sect+tant∣-csct]∣<arctan(4/3),arctan(3/4)>=[ln∣(5/3)+(4/3)∣-(5/4)]-[ln∣(5/4)+(3/4)∣-(5/3)]=[ln3-(5/4)]-[ln2-(5/3)]=ln(3/2)+5/12;

[out,revertclass] = tofloat(inputimage)inputimage 输入图像out 输出浮点图像,revertclass 输入图像的类型另外，tofloat为冈萨雷斯数中的IPT函数，附上源码：function [out,revertclass] = tofloat(inputimage)%Copy the book of Gonzalesidentify = @(x) x;tosingle = @im2single;table = {"uint8",tosingle,@im2uint8 "uint16",tosingle,@im2uint16 "logical",tosingle,@logical "double",identify,identify "single",identify,identify};classIndex = find(strcmp(class(inputimage),table(:,1)));if isempty(classIndex) error("不支持的图像类型");endout = table{classIndex,2}(inputimage);revertclass = table{classIndex,3};

我发一些他们的源程序你，都是我在文献中搜索总结出来的：%下面举例说明遗传算法%%求下列函数的最大值%%f(x)=10*sin(5x)+7*cos(4x)x∈[0,10]%%将x的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为(10-0)/(2^10-1)≈0.01。%%将变量域[0,10]离散化为二值域[0,1023],x=0+10*b/1023,其中b是[0,1023]中的一个二值数。%%%%--------------------------------------------------------------------------------------------------------------%%--------------------------------------------------------------------------------------------------------------%%编程%-----------------------------------------------%2.1初始化(编码)%initpop.m函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，%长度大小取决于变量的二进制编码的长度(在本例中取10位)。%遗传算法子程序%Name:initpop.m%初始化functionpop=initpop(popsize,chromlength)pop=round(rand(popsize,chromlength));%rand随机产生每个单元为{0,1}行数为popsize，列数为chromlength的矩阵，%roud对矩阵的每个单元进行圆整。这样产生的初始种群。%2.2.2将二进制编码转化为十进制数(2)%decodechrom.m函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置%(对于多个变量而言，如有两个变量，采用20为表示，每个变量10为，则第一个变量从1开始，另一个变量从11开始。本例为1)，%参数1ength表示所截取的长度（本例为10）。%遗传算法子程序%Name:decodechrom.m%将二进制编码转换成十进制functionpop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1);pop2=decodebinary(pop1);%2.4选择复制%选择或复制操作是决定哪些个体可以进入下一代。程序中采用赌轮盘选择法选择，这种方法较易实现。%根据方程pi=fi/∑fi=fi/fsum，选择步骤：%1）在第t代，由（1）式计算fsum和pi%2）产生{0,1}的随机数rand(.)，求s=rand(.)*fsum%3）求∑fi≥s中最小的k，则第k个个体被选中%4）进行N次2）、3）操作，得到N个个体，成为第t=t+1代种群%遗传算法子程序%Name:selection.m%选择复制function[newpop]=selection(pop,fitvalue)totalfit=sum(fitvalue);%求适应值之和fitvalue=fitvalue/totalfit;%单个个体被选择的概率fitvalue=cumsum(fitvalue);%如fitvalue=[1234]，则cumsum(fitvalue)=[13610][px,py]=size(pop);ms=sort(rand(px,1));%从小到大排列fitin=1;newin=1;whilenewin<=pxif(ms(newin))评论00加载更多

你可以设定迭代代数，最好你把程序给我发一份，还有就是遗传工具箱需要自己编写的，你调用上面的不可能进行规划的。cjj5405@163.com

要分解的矩阵为B, 令A = B" 对A进行QR分解 A = QR 则B = A" = R"Q" 易知,R"为下三角阵,Q"为正交矩阵,上式就得到了B的RQ分解了。

这两个完全不同的命令，两则有着本质的区别：S=svd（A）表示对矩阵A进行SVD分解，分解的结果是得到3个矩阵，如果返回值只有一个，那么可以得到A的奇异值向量。eig（A）表示求矩阵A的特征值。区别就是，svd得到的是A的奇异值，eig得到的是A的特征值。A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值。记为σi(A)。MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。

不排序的目的是什么？你可以自己打乱它啊，反正对应的向量都是正交的。互相独立。你想用什么顺序就用什么顺序好了。

这两个命令是完全不同的呀。S=svd（A）表示对矩阵A进行SVD分解，分解的结果是得到3个矩阵，如果返回值只有一个，那么可以得到A的奇异值向量。eig（A）表示求矩阵A的特征值。所以区别就是，svd得到的是A的奇异值，eig得到的是A的特征值。A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值。记为σi(A)。希望可以帮助你，望采纳！

设A为m*n阶矩阵，A"表示A的转置矩阵，A"*A的n个特征值的非负平方根叫作A的奇异值。记为σi(A)。这几天做实验涉及到奇异值分解svd(singular value decomposition)，涉及到这样的一个问题，做PCA时候400幅图像拉成向量按列摆放，结果摆成了比如说10000*400大小的矩阵，用到svd函数进行奇异值分解找主分量，结果MATLAB提示超出内存，后来想起还有个函数叫svds，看到别人用过，以为只是一个变体，没什么区别，就用上了，结果确实在预料之中。但是今天觉得不放心，跑到变量里面看了下，发现这个大的矩阵被分解成了三个10000*6，6*6，400*6大小的矩阵的乘积，而不是普通的svd分解得到的10000*10000，10000*400，400*400大小的矩阵乘积，把我吓了一跳，都得到预期的结果，难不成这里还出个篓子？赶紧试验，发现任给一个M*N大小的矩阵，都是被分解成了M*6，6*6，N*6大小的矩阵的乘积，为什么都会出现6呢？确实很纳闷。help svds看了一下，发现SVDS(A) 返回的就是svds返回的就是最大的6个特征值及其对应的特征行向量和特征列向量，还好，我们实验中是在svds得到列向量中再取前5个最大的列向量，这个与普通的svd得到的结果是一致的，虚惊一场。。。还得到了一些别的，比如改变这个默认的设置，比如用[u,d,v]=svds(A,10)将得到最大的10个特征值及其对应的最大特征行向量和特征列向量，[u,d,v]=svds(A,10，0)将得到最小的10个特征值及其对应的特征行向量和特征列向量，[u,d,v]=svds(A,10，2)将得到与2最接近的10个特征值及其对应的特征行向量和特征列向量。总之，相比svd，svds的可定制性更强。奇异值分解非常有用，对于矩阵A(m*n)，存在U(m*m)，V(n*n)，S(m*n)，满足A = U*S*V"。U和V中分别是A的奇异向量，而S是A的奇异值。AA"的正交单位特征向量组成U，特征值组成S"S，A"A的正交单位特征向量组成V，特征值（与AA"相同）组成SS"。

自带的有加密看不了，看看mathworks公司网站上会员分享的：==========================================================function [u,s,v] = svdsim(a,tol)%SVDSIM simple SVD program%% A simple program that demonstrates how to use the% QR decomposition to perform the SVD of a matrix.% A may be rectangular and complex.%% usage: [U,S,V]= SVDSIM(A)% or S = SVDSIM(A)%% with A = U*S*V" , S>=0 , U"*U = Iu , and V"*V = Iv%% The idea is to use the QR decomposition on A to gradually "pull" U out from% the left and then use QR on A transposed to "pull" V out from the right.% This process makes A lower triangular and then upper triangular alternately.% Eventually, A becomes both upper and lower triangular at the same time,% (i.e. Diagonal) with the singular values on the diagonal.%% Matlab"s own SVD routine should always be the first choice to use,% but this routine provides a simple "algorithmic alternative"% depending on the users" needs.% %see also: SVD, EIG, QR, BIDIAG, HESS%% Paul Godfrey% October 23, 2006if ~exist("tol","var") tol=eps*1024;end%reserve space in advancesizea=size(a);loopmax=100*max(sizea);loopcount=0;% or use Bidiag(A) to initialize U, S, and Vu=eye(sizea(1));s=a";v=eye(sizea(2));Err=realmax;while Err>tol & loopcount<loopmax ;% log10([Err tol loopcount loopmax]); pause [q,s]=qr(s"); u=u*q; [q,s]=qr(s"); v=v*q;% exit when we get "close" e=triu(s,1); E=norm(e(:)); F=norm(diag(s)); if F==0, F=1;end Err=E/F; loopcount=loopcount+1;end% [Err/tol loopcount/loopmax]%fix the signs in Sss=diag(s);s=zeros(sizea);for n=1:length(ss) ssn=ss(n); s(n,n)=abs(ssn); if ssn<0 u(:,n)=-u(:,n); endendif nargout<=1 u=diag(s);endreturn

svd得到的是A的奇异值，eig得到的是A的特征值。A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值。记为σi(A)。（1）S=svd（A）表示对矩阵A进行SVD分解，分解的结果是得到3个矩阵，如果返回值只有一个，那么可以得到A的奇异值向量。（2）eig（A）表示求矩阵A的特征值。MATLAB 是美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。MATLAB是matrix和laboratory两个词的组合，意为矩阵工厂(矩阵实验室)。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言(如C、Fortran)的编辑模式，代表了当今国际科学计算软件的先进水平。

matlab里运行： a=[1 2 3 4;5 6 7 8;9 10 11 12;2 4 6 7.99999];[u,s,v]=svds(a)得到结果：u = 0.19309325290913 -0.39372991088164 0.80064042247500 -0.40824829032397 0.47876392522628 0.03942520140203 0.32025628954945 0.81649658098368 0.76443459754343 0.47258031368569 -0.16012784453451 -0.40824829049184 0.38618628362685 -0.78745809913181 -0.48038515432194 -0.00000000008393s = 27.55065585030689 0 0 0 0 3.31077063809069 0 0 0 0 0.00000263117785 0 0 0 0 0.00000000000000v = 0.37164983947455 0.74958461105215 0.36514742344847 -0.40824829050286 0.45181723566769 0.30961435841708 -0.18257455406715 0.81649658094722 0.53198463186084 -0.13035589421799 -0.73029653281457 -0.40824829038587 0.61215188788081 -0.57032376837933 0.54772334743922 -0.00000000005849这个命令的主要作用是得到A的奇异值，A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值！

在6月份北大有一个关于matlab 的公开课，你可以去看下，谢中华老师讲的。具体的东西你自己搜搜

[U,S,V]=svd(A)奇异值分解，就是要把矩阵A分解成U*S*V"(V"代表V转置).其中US是正交矩阵（复数域对应为酉矩阵）奇异值分解可以用来求矩阵的逆，数据压缩等等，不过具体的用法不是几句话就能说清楚的。总之，奇异值分解特别重要。

设A为m*n阶矩阵，A"表示A的转置矩阵，A"*A的n个特征值的非负平方根叫作A的奇异值。记为σi(A)。这几天做实验涉及到奇异值分解svd(singular value decomposition)，涉及到这样的一个问题，做PCA时候400幅图像拉成向量按列摆放，结果摆成了比如说10000*400大小的矩阵，用到svd函数进行奇异值分解找主分量，结果MATLAB提示超出内存，后来想起还有个函数叫svds，看到别人用过，以为只是一个变体，没什么区别，就用上了，结果确实在预料之中。但是今天觉得不放心，跑到变量里面看了下，发现这个大的矩阵被分解成了三个10000*6，6*6，400*6大小的矩阵的乘积，而不是普通的svd分解得到的10000*10000，10000*400，400*400大小的矩阵乘积，把我吓了一跳，都得到预期的结果，难不成这里还出个篓子？赶紧试验，发现任给一个M*N大小的矩阵，都是被分解成了M*6，6*6，N*6大小的矩阵的乘积，为什么都会出现6呢？确实很纳闷。help svds看了一下，发现SVDS(A) 返回的就是svds返回的就是最大的6个特征值及其对应的特征行向量和特征列向量，还好，我们实验中是在svds得到列向量中再取前5个最大的列向量，这个与普通的svd得到的结果是一致的，虚惊一场。。。还得到了一些别的，比如改变这个默认的设置，比如用[u,d,v]=svds(A,10)将得到最大的10个特征值及其对应的最大特征行向量和特征列向量，[u,d,v]=svds(A,10，0)将得到最小的10个特征值及其对应的特征行向量和特征列向量，[u,d,v]=svds(A,10，2)将得到与2最接近的10个特征值及其对应的特征行向量和特征列向量。总之，相比svd，svds的可定制性更强。奇异值分解非常有用，对于矩阵A(m*n)，存在U(m*m)，V(n*n)，S(m*n)，满足A = U*S*V"。U和V中分别是A的奇异向量，而S是A的奇异值。AA"的正交单位特征向量组成U，特征值组成S"S，A"A的正交单位特征向量组成V，特征值（与AA"相同）组成SS"。

这两个命令是完全不同的呀。S=svd（A）表示对矩阵A进行SVD分解，分解的结果是得到3个矩阵，如果返回值只有一个，那么可以得到A的奇异值向量。eig（A）表示求矩阵A的特征值。所以区别就是，svd得到的是A的奇异值，eig得到的是A的特征值。A"表示A的转置矩阵，A"*A的n个非负特征值的平方根叫作矩阵A的奇异值。记为σi(A)。希望可以帮助你，望采纳！

你可以用矩阵,而不要用switch16QAM就是个4*4的矩阵然后只要横纵坐标两个参数,就能确定一个星座点的值了.注意归一化,你的程序没有做

A=[1,2;3,4;5,6;7,8]