matlab制造一个64*64的仿真数据

简介:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
fid = fopen( 'test_001.img' , 'w' );
r=random( 'Normal' , 100 , 0 , 64 , 64 );
z=random( 'Uniform' , 0 , 5 , 64 , 64 );
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
a= 14 ;
b= 16 ;
for  i= 15 : 18
     for  j=a:b
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     a = a- 1 ;
     b = b+ 1 ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 15 : 18
     for  j= 31 : 34
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 14 : 19
     for  j= 47 : 48
          r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 16 : 17
     for  j= 45 : 50
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
a= 13 ;
b= 17 ;
for  i= 30 : 35
     for  j=a:b
        r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     
     a=a- 1 ;
     b=b+ 1 ;
     
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 30 : 35
     for  j= 30 : 35
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end   
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i = 29 : 35
     for  j= 47 : 49
          r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 31 : 33
     for  j= 45 : 51
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 
a= 13 ;
b= 18 ;
for  i= 46 : 53
     for  j=a:b
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
     a=a- 1 ;
     b=b+ 1 ;
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 45 : 53
     for  j= 29 : 37
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for  i= 44 : 53
     for  j= 46 : 49
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
     end
end
 
for  i= 47 : 50
    for  j= 43 : 52
         r(i,j)=random( 'Normal' , 102 , 0 , 1 , 1 );
    end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
r=r+z;count =fwrite(fid,r);
fclose( 'all' );<br><br><br><br><br>

fid = fopen('test_002.img','w');
s=random('Normal',100,0,64,64);z=random('Uniform',0,5,64,64);
for i=8:12
for j=8:12
s(i,j)=random('Normal',102,0,1,1);
end
end 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
s=s+z;count=fwrite(fid,s);
fclose('all');

  本文转自二郎三郎博客园博客,原文链接:http://www.cnblogs.com/haore147/p/3796629.html,如需转载请自行联系原作者

相关文章
|
3天前
|
机器学习/深度学习 数据采集 运维
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究(Matlab代码实现)
基于核密度估计Kernel Density Estimation, KDE的数据生成方法研究(Matlab代码实现)
|
5天前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
|
5天前
|
算法 机器人
基于SOA海鸥优化算法的PID控制器最优控制参数计算matlab仿真
本课题研究基于海鸥优化算法(SOA)优化PID控制器参数的方法,通过MATLAB仿真对比传统PID控制效果。利用SOA算法优化PID的kp、ki、kd参数,以积分绝对误差(IAE)为适应度函数,提升系统响应速度与稳定性。仿真结果表明,SOA优化的PID控制器在阶跃响应和误差控制方面均优于传统方法,具有更快的收敛速度和更强的全局寻优能力,适用于复杂系统的参数整定。
|
5天前
|
传感器 算法 数据可视化
MATLAB来计算和仿真无人机飞行过程
使用MATLAB来计算和仿真无人机飞行过程中的运动参数是一个极其常见且强大的方法。这通常被称为无人机建模与仿真,是无人机飞控算法开发中不可或缺的一环。
25 1
|
5天前
|
传感器 机器学习/深度学习 算法
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
|
5天前
|
存储 算法 数据可视化
基于禁忌搜索算法的TSP问题最优路径搜索matlab仿真
本程序基于禁忌搜索算法解决旅行商问题(TSP),旨在寻找访问多个城市的最短路径。使用 MATLAB 2022A 编写,包含城市坐标生成、路径优化及结果可视化功能。通过禁忌列表、禁忌长度与藐视准则等机制,提升搜索效率与解的质量,适用于物流配送、路径规划等场景。
|
14天前
|
机器学习/深度学习 算法 算法框架/工具
【利用母船和牵引风箬在飞行中回收微型飞行器(MAVs)的方法】使用高斯原理推导了电缆-风箬系统的动力学模型(Matlab、Simulink仿真实现)
【利用母船和牵引风箬在飞行中回收微型飞行器(MAVs)的方法】使用高斯原理推导了电缆-风箬系统的动力学模型(Matlab、Simulink仿真实现)
105 5
|
13天前
|
算法 数据挖掘 定位技术
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
|
1天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于WOA鲸鱼优化的XGBoost序列预测算法matlab仿真
基于WOA优化XGBoost的序列预测算法,利用鲸鱼优化算法自动寻优超参数,提升预测精度。结合MATLAB实现,适用于金融、气象等领域,具有较强非线性拟合能力,实验结果表明该方法显著优于传统模型。(238字)
|
3天前
|
人工智能 供应链 新能源
电动汽车参与运行备用的能力评估及其仿真分析(Matlab代码实现)
电动汽车参与运行备用的能力评估及其仿真分析(Matlab代码实现)

热门文章

最新文章