MATLAB快速入门(一):数值数据和字符串

简介: MATLAB快速入门(一):数值数据和字符串

MATLAB数值数据和字符串


1.数值数据类型


整型

无符号8位整数的数据范围:0~


带符号8位整数的数据范围:~,即-128~127


浮点型


single函数:将其他类型的数据转换为单精度型


double函数:将其他类型的数据转换为双精度型


复型


real函数:求复数的实部


imag函数:求复数的虚部


2.数值数据的输出格式


loose:行间距有空行,默认方式


compact: 行间距无空行


format 格式符


例:format long


3.常用函数的应用


三角函数有以弧度为单位的函数和以角度为单位的函数,如果是以角度为单位的函数就在函数名的后面加‘d’


例:


266ab32e82356062af4d8814b9f0fb28_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGItZG9n,size_15,color_FFFFFF,t_70,g_se,x_16.png


abs函数:求实数的绝对值、复数的模、字符串的ASCII码值

ab60c3ddd5c113fda009c032cadebbdf_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGItZG9n,size_14,color_FFFFFF,t_70,g_se,x_16.png


 取整函数:


round函数是按照四舍五入的规则取整


ceil是向上取整,取大于等于这个数的第一个数


floor是向下取整,取小于等于这个数的第一个整数


fix是固定取靠近0的那个整数,也就是舍去小数取整


62cf45ed9944110eb2afaaa575c5062d_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGItZG9n,size_16,color_FFFFFF,t_70,g_se,x_16.png


num2cell函数:将数值矩阵转化为单元矩阵


4.字符串处理


4.1 字符串与数值之间的转换


abs和double函数都可以用来获取字符串矩阵所对应的ASCII码数值矩阵


char函数可以把ASCII码矩阵转换为字符串矩阵


例:


377290816a08dd567288c9322627fd51_watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAZGItZG9n,size_20,color_FFFFFF,t_70,g_se,x_16.png


4.2 字符串的比较


strcmp(s1,s2):用来比较字符串s1和s2是否相等,如果相等,返回1,否则返回0


strncmp(s1,s2,n):用来比较两个字符串前n个字符是否相等,如果相等,返回1,否则返回0


strcmpi(s1,s2):在忽略字母大小写的前提下,比较比较字符串s1和s2是否相等,如果相等,返回1,否则返回0


strncmpi(s1,s2,n): 在忽略字符串大小写的前提下, 比较两个字符串前n个字符是否相等,如果相等,返回1,否则返回0


4.3字符串的查找与替换


findstr(s1,s2):返回短字符串在长字符串中的开始位置


strrep(s1,s2,s3):将字符串s1中的所有子字符串s2替换为字符串s3


目录
相关文章
|
7天前
|
算法
基于Adaboost模型的数据预测和分类matlab仿真
AdaBoost(Adaptive Boosting)是一种由Yoav Freund和Robert Schapire于1995年提出的集成学习方法,旨在通过迭代训练多个弱分类器并赋予分类效果好的弱分类器更高权重,最终构建一个强分类器。该方法通过逐步调整样本权重,使算法更关注前一轮中被误分类的样本,从而逐步优化模型。示例代码在MATLAB 2022A版本中运行,展示了随着弱分类器数量增加,分类错误率的变化及测试数据的分类结果。
|
1月前
|
算法 C++ Windows
基于离散差分法的复杂微分方程组求解matlab数值仿真
本程序使用离散差分法求解复杂微分方程组,将连续微分方程转化为差分方程,采用一阶显式时间格式和一阶偏心空间格式。经MATLAB2022a测试验证有效。
|
2月前
|
算法 C++ Windows
基于离散差分法的复杂微分方程组求解matlab数值仿真
本程序基于离散差分法求解复杂微分方程组,将连续微分方程转化为差分方程,采用一阶显式时间格式和一阶偏心空间格式。在MATLAB2022a上测试通过,展示了运行结果。
|
5月前
|
机器学习/深度学习 算法 数据挖掘
基于改进K-means的网络数据聚类算法matlab仿真
**摘要:** K-means聚类算法分析,利用MATLAB2022a进行实现。算法基于最小化误差平方和,优点在于简单快速,适合大数据集,但易受初始值影响。文中探讨了该依赖性并通过实验展示了随机初始值对结果的敏感性。针对传统算法的局限,提出改进版解决孤点影响和K值选择问题。代码中遍历不同K值,计算距离代价,寻找最优聚类数。最终应用改进后的K-means进行聚类分析。
|
6月前
|
机器学习/深度学习 算法 数据可视化
m基于PSO-LSTM粒子群优化长短记忆网络的电力负荷数据预测算法matlab仿真
在MATLAB 2022a中,应用PSO优化的LSTM模型提升了电力负荷预测效果。优化前预测波动大,优化后预测更稳定。PSO借鉴群体智能,寻找LSTM超参数(如学习率、隐藏层大小)的最优组合,以最小化误差。LSTM通过门控机制处理序列数据。代码显示了模型训练、预测及误差可视化过程。经过优化,模型性能得到改善。
116 6
|
6月前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,带GUI界面,对比BP,RBF,LSTM
这是一个基于MATLAB2022A的金融数据预测仿真项目,采用GUI界面,比较了CNN、BP、RBF和LSTM四种模型。CNN和LSTM作为深度学习技术,擅长序列数据预测,其中LSTM能有效处理长序列。BP网络通过多层非线性变换处理非线性关系,而RBF网络利用径向基函数进行函数拟合和分类。项目展示了不同模型在金融预测领域的应用和优势。
|
7月前
|
机器学习/深度学习 算法
m基于GA-GRU遗传优化门控循环单元网络的电力负荷数据预测算法matlab仿真
在MATLAB 2022a中,一个基于遗传算法优化的GRU网络展示显著优化效果。优化前后的电力负荷预测图表显示了改进的预测准确性和效率。GRU,作为RNN的一种形式,解决了长期依赖问题,而遗传算法用于优化其超参数,如学习率和隐藏层单元数。核心MATLAB程序执行超过30分钟,通过迭代和适应度评估寻找最佳超参数,最终构建优化的GRU模型进行负荷预测,结果显示预测误差和模型性能的提升。
192 4
|
6月前
|
机器学习/深度学习 算法
基于蛙跳优化的神经网络数据预测matlab仿真
使用MATLAB2022a,应用蛙跳优化算法(SFLA)调整神经网络权重,提升预测精度,输出预测曲线。神经网络结合输入、隐藏和输出层进行预测,蛙跳算法模仿蛙群觅食行为优化权重和阈值。算法流程包括蛙群初始化、子群划分、局部搜索及适应度更新,直至满足停止条件。优化后的神经网络能提升预测性能。
|
6月前
|
机器学习/深度学习 算法
m基于PSO-GRU粒子群优化长门控循环单元网络的电力负荷数据预测算法matlab仿真
摘要: 在MATLAB 2022a中,对比了电力负荷预测算法优化前后的效果。优化前为"Ttttttt111222",优化后为"Tttttttt333444",明显改进体现为"Tttttttttt5555"。该算法结合了粒子群优化(PSO)和长门控循环单元(GRU)网络,利用PSO优化GRU的超参数,提升预测准确性和稳定性。PSO模仿鸟群行为寻找最优解,而GRU通过更新门和重置门处理长期依赖问题。核心MATLAB程序展示了训练和预测过程,包括使用'adam'优化器和超参数调整,最终评估并保存预测结果。
63 0
|
7月前
|
算法 数据安全/隐私保护
matlab程序,傅里叶变换,频域数据,补零与不补零傅里叶变换
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度

热门文章

最新文章