Matlab 基本应用

导航栏

[1. help 用法](#1. help 用法)
[2. 小练习](#2. 小练习)
[3. 练习](#3. 练习)
[4. 练习](#4. 练习)

本篇文章记录了笔者模式识别的第一次实验------熟悉Matlab的基本应用。

1. help 用法

help 方法名即可查看该方法的具体用法。

help size

2. 小练习

(1) 创建一个2*3矩阵a，其第一列元素为1, 2，第二列为3, 4，第三列为5, 6

（2）将矩阵 a 与 a 的转置矩阵相乘，得到的结果赋值给 b

（3）计算矩阵 b 的特征值和特征向量，将特征向量构成的矩阵表示为 v

（4）计算矩阵 b与矩阵 v的对应位置的元素之间的除法。

（5）创建一个 2*3的分块矩阵 d，每一个块的内容均为矩阵 b。

（6）求矩阵 d的维度，包括行数和列数。

（7）将矩阵 a的第二列替换为矩阵 b的第一列。

（8）计算矩阵 a 每一行的元素的均值

3. 练习

对一个矩阵实现 zscore 标准化，即是将矩阵中的每一列元素的值变换为呈标准正太分布

的值。假设在标准化前一个元素的值为 x，则经过 zscore 标准化后，该元素的值为 x − μ σ \frac{x - \mu}{\sigma} σx−μ ，其中μ为元素所在列的均值， σ \sigma σ 是元素所在列的标准差。编写一个脚本文件，实现对下述矩阵 A的 zscore 标准化，其中

A = randn(20, 20) * 2 +1。

(1)要求：使用 for 循环，依次对矩阵每列的元素进行处理

代码：

matlab 复制代码

A = randn(20, 20) * 2 + 1;
A_z = zeros(size(A));

mu = mean(A);
sigma = std(A);
for j = 1:size(A,2)
    A_z(:,j) = (A(:,j) - mu(j)) ./ sigma(j);
end
disp(A_z);

(2)要求：只用一个表达式来实现上述功能 (提示需要用 repmat 函数和矩阵的"./"运算)

matlab 复制代码

A_z2 = (A - repmat(mu, size(A, 1), 1)) ./ repmat(sigma, size(A, 1), 1); 
disp(A_z2);

4. 练习

编写一个函数文件，命名为 myfunc.m，输入为任意矩阵，输出为经过 zscore 标准化后的矩阵。在命令行窗口中调用该函数，其中输入设置为 A = randn(20, 20) * 2 +2。

matlab 复制代码

myfunc.m
function A_z3 = myfunc(A)
    if ~ismatrix(A)
        error("输入不是矩阵")
    end
    mu = mean(A);
    sigma = std(A);
    mu_mat = repmat(mu, size(A, 1), 1);  
    sigma_mat = repmat(sigma, size(A, 1), 1); 
    A_z3 = (A - mu_mat) ./ sigma_mat;
end

% 主函数
A = randn(20,20) * 2 + 2;
A_z3 = myfunc(A);
disp(A_z3);

以上便是本篇文章所有内容，当若大佬发现问题请直接评论区斧正，感谢🌞