科学网

 找回密码
  注册

tag 标签: 工具箱

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

[转载]Matlab 工具箱介绍
zhanghuizh 2012-7-23 10:13
Toolbox工具箱 序号 工具箱 备注 数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱 2 Partial Differential Euqation Toolbox 偏微分方程工具箱 3 Statistics Toolbox 统计学工具箱 4 Curve Fitting Toolbox 曲线拟合工具箱 5 Optimization Toolbox 优化工具箱 6 Global Optimization Toolbox 全局优化工具箱 7 Neural Network Toolbox 神经网络工具箱 8 Model-Based Calibration Toolbox 基于模型矫正工具箱 信号处理与通信 9 Signal Processing Toolbox 信号处理工具箱 10 DSP System Toolbox DSP 系统工具箱 11 Communications System Toolbox 通信系统工具箱 12 Wavelet Toolbox 小波工具箱 13 Fixed-Point Toolbox 定点运算工具箱 14 RF Toolbox 射频工具箱 15 Phased Array System Toolbox 相控阵系统工具箱 控制系统设计与分析 16 Control system Toolbox 控制系统工具箱 17 System Indentification Toolbox 系统辨识工具箱 18 Fuzzy Logic Toolbox 模糊逻辑工具箱 19 Robust Control Toolbox 鲁棒控制工具箱 20 Model Predictive Control Toolbox 模型预测控制工具箱 21 Aerospace Toolbox 航空航天工具箱 图像处理与计算机视觉 22 Image Processing Toolbox 图像处理工具箱 23 Computer Vision System Toolbox 计算机视觉工具箱 24 Image Acquisition Toolbox 图像采集工具箱 25 Mapping Toolbox 地图工具箱 测试与测量 26 Data Acquisition Toolbox 数据采集工具箱 27 Instrument Control Toolbox 仪表控制工具箱 28 Image Acquisition Toolbox 图像采集工具箱 29 OPC Toolbox OPC 开发工具 30 Vehicle Network Toolbox 车载网络工具箱 计算金融 31 Financial Toolbox 金融工具箱 32 Econometrics Toolbox 计算经济学工具箱 33 Datafeed Toolbox 数据输入工具箱 34 Fixed-Income Toolbox 固定收益工具箱 35 Financial Derivatives Toolbox 衍生金融工具箱 计算生物 33 Bioinformatics Toolbox 生物信息工具箱 34 SimBiology 生物学工具箱 并行计算 35 Parallel Computing Toolbox 并行计算工具箱 36 MATLAB Distributed Computing Server MATLAB 分布式计算服务器 数据库访问与报告 37 Database Toolbox 数据库工具箱 38 MATLAB Report Generator MATLAB 报告生成 MATLAB 代码生成 39 MATLAB Coder MATLAB 代码生成 40 Filter Design HDL Coder 滤波器设计 HDL 代码生成 MATLAB 应用发布 41 MATLAB Compiler MATLAB 编译器 混合编程 42 MATLAB Builder NE for Microsoft.Net Framework 43 MATLAB Builder JA for Java Language 44 MATLAB Builder EX for Microsoft Excel 45 Spreadsheet Link EX for Microsoft Excel Simulink模块 序号 工具箱 备注 信号处理与通信 1 DSP System Toolbox DSP 系统工具箱 2 Communications System Toolbox 通信系统工具箱 3 Computer Vision System Toolbox 计算机视觉工具箱 4 SimRF RF 模块集功能 控制系统设计与分析 5 Simulink Control Design Simulink 控制器设计 6 Simulink Design Optimization Simulink 设计优化 7 Aerospace Blockset 航空航天模块 物理建模 8 Simscape 物理模型仿真模块组 9 SimMechanics 机构动态仿真模块组 10 SimDriveline 传动系统系统仿真模块组 11 SimHydraulics 液压仿真模块组 12 SimRF RF 仿真模块组 13 SimElectronics 电子仿真模块组 14 SimPowerSystems 动力系统仿真模块组 基于事件的建模 15 Stateflow 16 SimEvents 快速原型和硬件再回路仿真 17 xPC Target 18 xPC Target Embedded Option 19 Real-Time Windows Target 仿真绘图与报告 20 Simulink 3D Animation 21 Gauges Blockset 22 Simulink Report Generator 验证、确认和测试 23 Simulink Verfication and Validation 24 Simulink Design Verifier 25 System Test 26 EDA Simulator Link 27 Simulink Code Inspector 定点建模 28 Simulink Fixed Point 代码生成 29 Simulink Coder 30 Embedded Coder 31 Simulink HDL Coder 32 Simulink PLC Coder 33 Do Qualification Kit for DO-178 34 IEC Certification Kit for ISO 26262 and IEC 61508
17679 次阅读|0 个评论
[转载]matlab模糊控制工具箱
qiaokang 2012-4-28 19:41
4步教你学会使用matlab模糊控制工具箱 (2008-09-20 23:42:02) 转载:http://blog.sina.com.cn/s/blog_408540af0100avnv.html var $tag='模糊控制,matlab工具箱,大学,计算机,仿真,校园'; var $tag_code='6aa036de63a161ce8f9f99e7327aa815'; var $r_quote_bligid='408540af0100avnv'; var $worldcup='0'; var $worldcupball='0'; 标签: 模糊控制 matlab工具箱 大学 计算机 仿真 校园 分类: Matlab实例 Matlab 模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径,通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算,只需要设定相应参数,就可以很快得到我们所需要的控制器,而且修改 也非常方便。下面将根据模糊控制器设计步骤,一步步利用 Matlab 工具箱设计模糊控制器。 首先我们在 Matlab 的命令窗口( command window )中输入 fuzzy ,回车就会出来这样一个窗口。 下面我们都是在这样一个窗口中进行模糊控制器的设计。 1 .确定模糊控制器结构:即根据具体的系统确定输入、输出量。 这里我们可以选取标准的二维控制结构,即输入为误差 e 和误差变化 ec ,输出为控制量 u 。注意这里的变量还都是精确量。相应的模糊量为 E , EC 和 U ,我们可以选择增加输入(Add Variable)来实现双入单出控制结构。 2 .输入输出变量的模糊化:即把输入输出的精确量转化为对应语言变量的模糊集合。 首先我们要确定描述输入输出变量语言值的模糊子集,如 {NB , NM , NS , ZO , PS , PM , PB} ,并设置输入输出变量的论域,例如我们可以设置误差 E (此时为模糊量)、误差变化 EC、控制量U 的论域均为 {-3 , -2 , -1 , 0 , 1 , 2 , 3} ;然后我们为模糊语言变量选取相应的隶属度函数。 在模糊控制工具箱中,我们在 Member Function Edit 中即可完成这些步骤。首先我们打开 Member Function Edit 窗口. 然后分别对输入输出变量定义论域范围,添加隶属函数,以 E 为例,设置论域范围为 ,添加隶属函数的个数为 7. 然后根据设计要求分别对这些隶属函数进行修改,包括对应的语言变量,隶属函数类型。 3 .模糊推理决策算法设计:即根据模糊控制规则进行模糊推理,并决策出模糊输出量。 首先要确定模糊规则,即专家经验。对于我们这个二维控制结构以及相应的输入模糊集,我们可以制定 49 条模糊控制规则(一般来说,这些规则都是现成的,很多教科书上都有),如图。 制定完之后,会形成一个模糊控制规则矩阵,然后根据模糊输入量按照相应的模糊推理算法完成计算,并决策出模糊输出量。 4 .对输出模糊量的解模糊:模糊控制器的输出量是一个模糊集合,通过反模糊化方法判决出一个确切的精确量,凡模糊化方法很多,我们这里选取重心法。 5 .然后 Export to disk ,即可得到一个. fis 文件,这就是你所设计的模糊控制器。 http://blog.sina.com.cn/xianfa110 相关文章: 位置式PID控制与增量式PID控制的比较 模型参考自适应控制的simulink仿真 简单matlab/simulink模糊控制器应用实例-图
1 次阅读|0 个评论
[转载](转)Matlab遗传算法工具箱函数及实例讲解
helloating1990 2012-4-20 12:12
核心函数: (1)function =initializega(num,bounds,eFN,eOps,options)--初始种群的生成函数 【输出参数】 pop--生成的初始种群 【输入参数】 num--种群中的个体数目 bounds--代表变量的上下界的矩阵 eFN--适应度函数 eOps--传递给适应度函数的参数 options--选择编码形式(浮点编码或是二进制编码) ,如 precision--变量进行二进制编码时指定的精度 F_or_B--为1时选择浮点编码,否则为二进制编码,由precision指定精度) (2)function = ga(bounds,FN,Ops,startPop,opts,... termFN,termOps,selectFN,selectOps,xOverFNs,xOverOps,mutFNs,mutOps)--遗传算法函数 【输出参数】 x--求得的最优解 endPop--最终得到的种群 bPop--最优种群的一个搜索轨迹 【输入参数】 bounds--代表变量上下界的矩阵 FN--适应度函数 Ops--传递给适应度函数的参数 startPop-初始种群 opts --opts(1:2)等同于initializega的options参数,第三个参数控制是否输出,一般为0。如 termFN--终止函数的名称,如 termOps--传递个终止函数的参数,如 selectFN--选择函数的名称,如 selectOps--传递个选择函数的参数,如 xOverFNs--交叉函数名称表,以空格分开,如 xOverOps--传递给交叉函数的参数表,如 mutFNs--变异函数表,如 mutOps--传递给交叉函数的参数表,如 【问题】求 f(x)=x+10*sin(5x)+7*cos(4x) 的最大值,其中 0=x=9 【分析】选择二进制编码,种群中的个体数目为 10 ,二进制编码长度为 20 ,交叉概率为 0.95, 变异概率为 0.08 【程序清单】 % 编写目标函数 function =fitness(sol,options) x=sol(1); =x+10*sin(5*x)+7*cos(4*x); % 把上述函数存储为 fitness.m 文件并放在工作目录下 initPop=initializega(10, ,'fitness');% 生成初始种群,大小为 10 =ga( ,'fitness', ,'maxGenTerm',25,'normGeomSelect',... , , ,'nonUnifMutation', ) %25 次遗传迭代 运算借过为: x = 7.8562 24.8553( 当 x 为 7.8562 时, f ( x )取最大值 24.8553) 注:遗传算法一般用来取得近似最优解,而不是最优解。 遗传算法实例 2 【问题】在- 5=Xi=5,i=1,2 区间内,求解 f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282 的最小值。 【分析】种群大小 10 ,最大代数 1000 ,变异率 0.1, 交叉率 0.3 【程序清单】 %源函数的 matlab 代码 function =fitness(sol,options) numv=size(sol,2)-1; x=sol(1:numv); =f(x); =-; % 遗传算法的 matlab 代码 bounds=ones(2,1)* ; =ga(bounds,'fitness') 注:前两个文件存储为 m 文件并放在工作目录下,运行结果为 p = 0.0000 -0.0000 0.0055 大家可以直接绘出 f(x) 的图形来大概看看 f ( x )的最值是多少,也可是使用优化函数来验证。 matlab 命令行执行命令: fplot('x+10*sin(5*x)+7*cos(4*x)', ) http://blogger.org.cn/blog/more.asp?name=reincarnationid=45828
个人分类: matlab|6102 次阅读|0 个评论
小熊工具箱
热度 3 rihor 2012-4-6 22:47
小熊工具箱
最近整理了几个以前写的IDL代码,打包成一个工具箱,功能包括: 1 相对辐射归一化 2矩匹配相对辐射校正 3 趋势分析 4 最大值合成(MVC) 5 MODIS质量数据转换 6 批量矢量裁剪 7 MRT批处理 SAV文件及使用说明见附件 小熊工具箱.rar
12526 次阅读|3 个评论
MATLAB 信号处理工具箱 函数集
热度 3 qihongshao 2012-3-15 14:44
信号处理工具箱.pdf 自己根据MATLAB帮助浏览器整理成中文版,方便有数字信号处理需求的同志们一起学习。
8880 次阅读|3 个评论
[转载]调用波形文件的程序
linpandr 2012-3-8 20:37
下面是调用波形文件的程序,但是画出来之后只有0点以的部分,而同样的文件直接导入MATLAB工具箱读取就是完整的,请问这是为什么呢?谢谢! % 装载信号 fidin=fopen('F:\随书光盘\2006060703断裂_1_10_85768.csv'); % 打开波形文件 fidout=fopen('mkmatlab.txt','w'); % 创建MKMATLAB.txt文件 while ~feof(fidin) % 判断是否为文件末尾 tline=fgetl(fidin); % 从文件读行 if double(tline(1))=48double(tline(1))=57 % 判断首字符是否是数值 fprintf(fidout,'%s\n\n',tline); % 如果是数字行,把此行数据写入文件MKMATLAB.txt continue % 如果是非数字继续下一次循环 end end fclose(fidout); MK=importdata('MKMATLAB.txt'); % 将生成的MKMATLAB.txt文件导入工作空间, matlab1=textread('MKMATLAB.txt'); matlab1=matlab1'; x = matlab1; plot(x); 图见附件 把以下语句: if double(tline(1))=48double(tline(1))=57 改为 if double(tline(1))=45|48double(tline(1))=57 因为48相当于ASCII码的0,这样把‘-’号都排除了,即 ‘-’号开始的行都没有被读入。修改后的图如下。 下面是调用波形文件的程序,但是画出来之后只有0点以的部分,而同样的文件直接导入MATLAB工具箱读取就是完整的,请问这是为什么呢?谢谢! % 装载信号 fidin=fopen('F:\随书光盘\2006060703断裂_1_10_85768.csv'); % 打开111.txt文件 fidout=fopen('mkmatlab.txt','w'); % 创建MKMATLAB.txt文件 while ~feof(fidin) % 判断是否为文件末尾 tline=fgetl(fidin); % 从文件读行 if double(tline(1))=48double(tline(1))=57 % 判断首字符是否是数值 fprintf(fidout,'%s\n\n',tline); % 如果是数字行,把此行数据写入文件MKMATLAB.txt continue % 如果是非数字继续下一次循环 end end fclose(fidout); MK=importdata('MKMATLAB.txt'); % 将生成的MKMATLAB.txt文件导入工作空间, matlab1=textread('MKMATLAB.txt'); matlab1=matlab1'; x = matlab1; plot(x); 附件: 图 ( 10.35 K ) 附件: 2006060703断裂_1_10_85768 ( 3.7 K )
2351 次阅读|0 个评论
[转载]关于如何在matlab中添加新的工具箱的整理和心得
linpandr 2012-2-8 00:44
关于如何在matlab中添加新的工具箱的整理和心得 首先说说添加到matlab搜索路径好处:1 对 n——你只需要存储一个副本,就可以在其他地方使用。具体来说,假设你在数据盘D上新建了两个目录abc和def,这两个工程(每个目录下的所有程序相应地称为一个工程)都需要调用同一个(些)函数(简称工具箱),这时候,如果你没有把该工具箱添加到matlab的搜索路径下,则需要分别把工具箱中所有用到的文件都复制到目录abc和def下才能正确运行。这显然浪费空间,所以,matlab提供了一个搜索路径(默认在matlab安装目录下的toolbox中),只要把工具箱对应的整个文件夹复制到搜索路径对应的目录下,并且通知matlab一声(把该路径正确添加到搜索路径中),就可以在abc和def中使用这个工具箱了(即无论你的工程文件在哪个目录(有效的目录)下都可以访问这个工具箱中的函数)。下面就以matlab安装目录下的toolbox目录作为默认的添加路径进行详细说明。 1. 如何添加工具箱? 以下是添加工具箱的方法:(论坛很多人转载过,这里就不作区分了,下面的举例也一样) 如果是Matlab安装光盘上的工具箱,重新执行安装程序,选中即可。如果是单独下载的工具箱,则需要把新的工具箱(以下假设工具箱名字为svm)解压到toolbox目录下,然后用addpath或者pathtool把该工具箱的路径添加到matlab的搜索路径中,最后用which newtoolbox_command.m来检验是否可以访问。如果能够显示新设置的路径,则表明该工具箱可以使用了。具体请看工具箱自己代的README文件。 1.1 举例: 要添加的工具箱为svm,则解压后,里边有一个目录svm,假设matlab安装在D:\MATLAB6p5,将svm目录拷贝至D:\MATLAB6p5\toolbox,然后运行matlab,在命令窗口输入addpath D:\MATLAB6p5\toolbox\svm回车,来添加路径。然后在svm目录下,任意找一个m文件,以svcinfo.m为例,在命令窗口中输入which svcinfo.m。如果显示出该文件路径,如 D:\MATLAB6p5\toolbox\svm\svcinfo.m,则安装成功,当然也可以在命令窗口输入path来查看。 上面的说明和例子基本上介绍了在matlab中如何添加工具箱,下面是其他补充: 1.2 添加方式总结: 事实上,有两种添加工具箱到matlab搜索路径的方法:其一是用代码,其二是用界面。其实无论用哪种方法,都是修改pathdef.m这个文件,阁下如果是高手,可以直接打开该文件修改,呵呵,对此这里不作讨论。 1.2.1 代码方式: 1.2.1.1 适用于添加下载的工具箱(别人的): 在命令窗口输入addpath D:\MATLAB6p5\toolbox\svm 或者addpath(‘D:\MATLAB6p5\toolbox\svm’); 但是这种方法只能添加svm目录,如果该目录下有其他子文件夹,并且运行时候“隐式”调用到这些子文件夹(例如假设svm目录下存在子文件夹matdata,该子文件夹下有logo.mat这个文件,且在m文件代码中使用了诸如 load logo 这样的句子,即没有显式给出logo.mat的具体路径,则称为“隐式”),则不能正确访问。因此,有必要在添加时使用以下语句把svm目录下所有文件夹都添加到搜索路径中: CODE: addpath(genpath(D:\MATLAB6p5\toolbox\svm)); 另外,如果只使用以上代码,则退出matlab后,新添加的路径不会被保存下来,下次重新启动matlab后又需要重新添加。可以用savepath来解决这个问题,不过只对matlab 2006a、2006b有效(应该对版本7.0以上的都有效,因没有测试,所以不敢肯定),对6.5版本的matlab无效(该版本没有savepath这个命令),即在命令窗口中使用 savepath 便可。 1.2.1.2 适用于添加自己的工具箱(即工具箱自己编写,然后希望别人下载后当运行主文件时自动把路径添加到matlab搜索路径中): 在主文件中加入如下代码; CODE: sCurrPath = fileparts(mfilename('fullpath')); cd(sCurrPath); addpath(genpath(sCurrPath)); %如果该工具箱没有其他子目录,则可以不需要用genpath savepath; %这句可根据各人需要自行选择,相信上一节的解释已经很清楚 1.2.2 界面方式: 首先把主界面调出来,有两种方式,一种是在命令窗口输入pathtool,另一种是在matlab菜单调用(File à Set Path…)。打开主界面后,相信不用太多解释了。Add Folder… 或者 Add with subfolders… 就可以了,添加完毕后,如果需要保存该路径,则在close前save一下就可以了。 这种方式的好处是如果路径有问题,matlab会马上报错,告诉用户添加失败。 2 工具箱添加失败: 2.1 work目录和toolbox目录问题: 你当然可以单独把一个或多个文件(不含文件夹)放在work目录下来实现“1对n”,因为work目录是其中一个matlab默认的搜索路径,但显然不能包含文件夹,如果包含文件夹,则同样需要把该文件夹添加到搜索路径中。相反,你不能单独把一个或多个文件(不含文件夹)放在toolbox目录下来实现“1对n”,因为toolbox这个目录并非matlab的一个默认搜索路径,除非你把toolbox文件夹添加到搜索路径中。 2.2 由于路径名称而导致添加失败的总结: 2.2.1 路径存在空格: 错误:addpath C:\Program Files\MATLAB\R2006b\toolbox\finity 正确:addpath(‘C:\Program Files\MATLAB\R2006b\toolbox\finity’) 或者使用界面方式添加 说明:在6.5版本的matlab不推荐使用带空格的路径,因为matlab6.5的安装路径是不允许有空格的,因此不晓得带空格的工具箱路径会出现什么问题。7.0以上应该没有问题。 界面方式则估计没有问题,有问题matlab会自动报错的。 2.2.2 路径存在中文: 用addpath和界面方式均可以成功添加,但不推荐,最好使用英文路径。 2.2.3 路径存在“@”字符: 均不成功,不要使用“@”字符 小结:出现其他与添加相关的错误时,用标准的路径和文件名试试吧。 3 正确添加了工具箱,但运行调用时出错: 3.1 版本问题: 对于工具箱检测到matlab版本不兼容的问题,先引用一下happy教授的回复: =====================happy================================ 这个是有用的,估计是作者考虑到随着matlab的升级会出现不兼容的问题,因此加了类似的设置error('unsupported matlab version. please send an email.');以提示大家。从这一设置上看4.x和5.x版本的是完全没有问题的,之后的版本可能会出现问题,是否真的会出现需要进行测试 ========================================================= 我也遇到过这类问题(如3.3节提到的spm5,下载得到的文件如果遇到2006版本的matlab则无法成功运行),但不是matlab的直接回复说“版本不支持”,而是普通的语法出错。我的经验是根据错误提示调试一下,看看问题出在哪里,然后再对程序作相应修改。例如在我的问题中,由于不支持最新的版本,所以2006a和2006b版本分别用下面的语句进行检查:strcmp(version('-release'),'2006a') 和 strcmp(version('-release'),'2006b')。 3.2 程序中其他语法错误: 估计部分语法不兼容,例如7.0版本以上的matlab可以使用、||、@(x)等等之类的符号,但是在6.5版本下无效,这种错误也需要自己手动修改一下代码。 3.3 工具箱中的函数重名问题: Happy教授也提到过,除了改名,没有太好的办法。但是如果改的地方不止一个,例如遇到该文件进行了多次的自我调用(一个典型例子是以switch 和case语句进行区分不同的操作),或者其他文件存在对该文件的调用时,这是个很头痛的事情。根据我的经验,也没有找到太好的解决办法。以我所用的两个工具箱为例,它们的文件夹名字不同(一个是spm2,一个是spm5),但是里面的主m文件名字都一样,为spm.m,如果两个工具箱同处于matlab的搜索路径中,会导致其中一个工具箱失效,更别说两者之间通过切换来进行调用了。我一般的解决方法是安装两个matlab,例如一个是6.5版,一个是2006版,把两个工具箱分别添加到不同的matlab中,这样就可以启动不同版本的matlab使用不同版本的工具箱了,呵呵,算是一个补救的方法吧。
1756 次阅读|0 个评论
修改XP启动配置
热度 1 huangyanxin356 2011-12-28 13:33
开机后出现提示:选择要启动的操作系统如: Microsoft windows xp Professional Ghost 工具箱 一键GHOST V2010.01.02 Windows(默认值) 我的电脑-属性-高级-"启动和故障修复"设置-选择默认操作系统-然后把"显示操作系统列表时间"跟"在需要时显示恢复选项的时间"这两项前面方框内的勾勾点掉 也可以更改C盘里的boot.ini文件 里面文件 OK
个人分类: 技术类|107 次阅读|1 个评论
[转载]Matlab的曲线拟合工具箱CFtool使用简介
willzhang198 2011-12-11 12:59
今天帮同学做了一个非线性函数的曲线拟合,以前没做过,所以是摸着石头过河。费了一下午时间,终于把曲线拟合出来了,顺道也学习了使用 Matlab 进行曲线拟合的方法,把学习所得记录下来,和大家共享。 一、 单一变量的曲线逼近 Matlab 有一个功能强大的曲线拟合工具箱 cftool ,使用方便,能实现多种类型的线性、非线性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。 假设我们要拟合的函数形式是 y=A*x*x + B*x, 且 A0,B0 。 1 、在命令行输入数据: 》 x= ; 》 y= ; 2 、启动曲线拟合工具箱 》 cftool 3 、进入曲线拟合工具箱界面 “Curve Fitting tool” ( 1 )点击 “Data” 按钮,弹出 “Data” 窗口; ( 2 )利用 X data 和 Y data 的下拉菜单读入数据 x,y ,可修改数据集名 “Data set name” ,然后点击 “Create data set” 按钮,退出 “Data” 窗口,返回工具箱界面,这时会自动画出数据集的曲线图; ( 3 )点击 “Fitting” 按钮,弹出 “Fitting” 窗口; ( 4 )点击 “New fit” 按钮,可修改拟合项目名称 “Fit name” ,通过 “Data set” 下拉菜单选择数据集,然后通过下拉菜单 “Type of fit” 选择拟合曲线的类型,工具箱提供的拟合类型有: Custom Equations :用户自定义的函数类型 Exponential :指数逼近,有 2 种类型, a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x) Fourier :傅立叶逼近,有 7 种类型,基础型是 a0 + a1*cos(x*w) + b1*sin(x*w) Gaussian :高斯逼近,有 8 种类型,基础型是 a1*exp(-((x-b1)/c1)^2) Interpolant :插值逼近,有 4 种类型, linear 、 nearest neighbor 、 cubic spline 、 shape-preserving Polynomial :多形式逼近,有 9 种类型, linear ~ 、 quadratic ~ 、 cubic ~ 、 4-9th degree ~ Power :幂逼近,有 2 种类型, a*x^b 、 a*x^b + c Rational :有理数逼近,分子、分母共有的类型是 linear ~ 、 quadratic ~ 、 cubic ~ 、 4-5th degree ~ ;此外,分子还包括 constant 型 Smoothing Spline :平滑逼近(翻译的不大恰当,不好意思) Sum of Sin Functions :正弦曲线逼近,有 8 种类型,基础型是 a1*sin(b1*x + c1) Weibull :只有一种, a*b*x^(b-1)*exp(-a*x^b) 选择好所需的拟合曲线类型及其子类型,并进行相关设置: —— 如果是非自定义的类型,根据实际需要点击 “Fit options” 按钮,设置拟合算法、修改待估计参数的上下限等参数; —— 如果选 Custom Equations ,点击 “New” 按钮,弹出自定义函数等式窗口,有 “Linear Equations 线性等式 ” 和 “General Equations 构造等式 ” 两种标签。 在本例中选 Custom Equations ,点击 “New” 按钮,选择 “General Equations” 标签,输入函数类型 y=a*x*x + b*x ,设置参数 a 、 b 的上下限,然后点击 OK 。 ( 5 )类型设置完成后,点击 “Apply” 按钮,就可以在 Results 框中得到拟合结果,如下例: general model: f(x) = a*x*x+b*x Coefficients (with 95% confidence bounds): a = 0.009194 (0.009019, 0.00937) b = 1.78e-011 (fixed at bound) Goodness of fit: SSE: 6.146 R-square: 0.997 Adjusted R-square: 0.997 RMSE: 0.8263 同时,也会在工具箱窗口中显示拟合曲线。 这样,就完成一次曲线拟合啦,十分方便快捷。当然, 如果你觉得拟合效果不好,还可以在 “Fitting” 窗口点击 “New fit” 按钮,按照步骤( 4 ) ~ ( 5 )进行一次新的拟合 。 不过,需要注意的是, cftool 工具箱只能进行单个变量的曲线拟合 ,即待拟合的公式中,变量只能有一个。对于混合型的曲线,例如 y = a*x + b/x ,工具箱的拟合效果并不好。下一篇文章我介绍帮同学做的一个非线性函数的曲线拟合。
2773 次阅读|0 个评论
[转载]Matlab GUI封装-如何将gui生成exe
ChenboBlog 2011-11-7 16:04
如何将gui生成exe 方法一: 已有gui.m文件和gui.fig文件 1 在matlab的command窗口中输入 mcc -B sgl GUI.m 2.将上步生成的文件包括*m 文件和*.fig文件一起考到待运行的机器 此时仍需matlab所必需的动态连接库。 3. 将 matlab path /extern/lib/win32/mglinstallar.exel拷贝到到待运行机器上 4.在机器上先运行mglinstallar.exe, 然后选择解压目录,将在将在指定目录下解压缩出bin和toolbox两个子目录, 其中在bin\win32目录下就是数学库和图形库脱离MATLAB运行所需的所有动态连接库,共 有37个。可以将这些.dll考入system32, 也可以直接放在应用程序目录下。 而toolbox目录则必须与应用程序同一目录。 方法二: matlab编程很方便,强大的矩阵运算功能,很多好用的工具箱,但是一般程序都要在matlab环境中运行,能否脱离这个环境打包发布呢,matlab也提供了这样的工具。 1. 转化为c/c++程序并编译为.exe 先验证mcc是否可用,用matlab中的example验证即可 建议不用matlab默认的lcc 编译器(可能有问题),可使用VC6编译器(按默认路径安装) 由于带有界面,需要图像库支持,编译时应使用命令: mcc -B sglcpp pressure 编译生成若干c/c++源码,以及.exe文件、bin目录中figure菜单条/工具条文件(.fig)等 程序发布需要.exe、bin\、.fig 2. 在未装matlab的电脑上运行程序需要数学 运行时库、图像运行时库以及用到的工具箱mex文件 前两者已经在\matlab\extern\lib\win32mglinstaller.exe压缩包中,将其解压,并在环境变量path中添加解压到的路径 另外若程序中还用到其他工具箱的东西,那么需要将此工具箱中需要的mex文件也一并放在解压到的路径,子文件夹位置与matlab中的位置相同 3. 在确保.exe程序可以运行的情况下 可以用setup factory打包发布 以下通过注册表自动添加path路径 %-------------------------------------------------------------------------------------- Screen.Next(); -- 进入下一个屏幕 resultDialog = Dialog.Message("注意", "向环境变量中加入matlab数学库及图象库的安装路径?", MB_YESNO, MB_ICONINFORMATION, MB_DEFBUTTON1); if (resultDialog == IDYES) then --加入安装路径 strPath = Registry.Get(HKEY_CURRENT_USER, "Environment", "path", true); if strPath ~= "" then strPath = String.Concat(strPath, ";"); end strPathToAdd = SessionVar.Expand("%AppFolder%"); strPathToAdd = String.Concat(strPathToAdd,"//MATLAB6p5//bin//win32"); -- 如果路径中无该位置,则加入 if String.Find(strPath,strPathToAdd) == -1 then strPath = String.Concat(strPath, strPathToAdd); Registry.Set(HKEY_CURRENT_USER, "Environment", "path", strPath, REG_SZ); end end %-------------------------------------------------------------------------------------- 方法三: 在网上搜了一个方法,还没有用过, 贴在这里仅供参考: 一、 完全可以,而且生成的.exe文件可以在没有安装matlab的机器上使用,方法吗--- 首先,使用mcc编译得到.exe文件,具体参数见帮助文件; 其次,将.exe文件及相关资源文件以及一个称为mglinstaller.exe的软件包一起拷到别的机器上,运行mglinstaller.exe,并添加环境变量path,即可执行.exe文件 第三,在MATLAB环境,执行命令 mcc -m -B sgl file.m 或者 mcc -p -B sglcpp file.m 请键入help mcc看帮助。 mcc是在“command windows” 用的吗? 只要“mglinstaller.exe”,与.exe文件及相关资源文件就可以了吗. 还有“添加环境变量path”是path到.exe文件的环境中是吧? 二、 在matlab下的workspace里打comtool,点file-open project将我们先前建好的comtest.cbl工程文件打开,再点component--package component就实现了打包,此时到comtest\distrib文件夹里看,生成的comtest.exe就是打包后的解压程序,双击它会解压出一些文件,再点击解压出来的_install.bat就可以实现安装 三、 如何将gui生成exe ? 已有gui.m文件和gui.fig文件 1 在matlab的command窗口中输入 mcc -B sgl GUI.m 2.将上步生成的文件包括*m 文件和*.fig文件一起考到待运行的机器 此时仍需matlab所必需的动态连接库。 3. 将 matlab path /extern/lib/win32/mglinstallar.exel拷贝到到待运行机器上 4. 在机器上先运行mglinstallar.exe, 然后选择解压目录,将在指定目录下解压缩出bin和toolbox两子目录,其中在bin\win32目录下就是数学库和图形库脱离MATLAB运行所需的所有动态连接库,共有37个。可以将这些.dll考入system32, 也可以直接放在应用程序目录下。而toolbox目录则必须与应用程序同一目录。 5.大功告成。
18286 次阅读|0 个评论
[转载]matlab-聚类算法笔记(2)分步聚类 的例子
Sunteresa 2011-11-4 16:53
MATLAB的统计工具箱中的多元统计分析中提供了聚类分析的两种方法: 1.层次聚类 hierarchical clustering 2.k-means聚类 这里用最简单的实例说明以下层次聚类原理和应用发法。 层次聚类是基于距离的聚类方法,MATLAB中通过pdist、linkage、dendrogram、cluster等函数 来完成。层次聚类的过程可以分这么几步: (1) 确定对象(实际上就是数据集中的每个数据点)之间的相似性,实际上就是定义一个表征对 象之间差异的距离,例如最简单的平面上点的聚类中,最经常使用的就是欧几里得距离。 这在MATLAB中可以通过Y=pdist(X)实现,例如 X=randn(6,2) X = -0.4326 1.1892 -1.6656 -0.0376 0.1253 0.3273 0.2877 0.1746 -1.1465 -0.1867 1.1909 0.7258 plot(X(:,1),X(:,2),'bo') %给个图,将来对照聚类结果把 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~图1~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Y=pdist(X) Y = Columns 1 through 14 1.7394 1.0267 1.2442 1.5501 1.6883 1.8277 1.9648 0.5401 2.9568 0.2228 1.3717 1.1377 1.4790 1.0581 Column 15 2.5092 (果真是m(m-1)/2个哈,6×5/2=15) 例子中X数据集可以看作包含6个平面数据点,pdist之后的Y是一个行向量,15个元素分别代表X 的第1点与2-6点、第2点与3-6点,......这样的距离。那么对于M个点的数据集X,pdist之后的Y 将是具有M*(M-1)/2个元素的行向量。Y这样的显示虽然节省了内存空间,但对用户来说不是很易 懂,如果需要对这些距离进行特定操作的话,也不太好索引。MATLAB中可以用squareform把Y转 换成方阵形式,方阵中i,j位置的数值就是X中第i和第j点之间的距离,显然这个方阵应该是 个对角元素为0的对称阵。 squareform(Y) ans = 0 1.7394 1.0267 1.2442 1.5501 1.6883 1.7394 0 1.8277 1.9648 0.5401 2.9568 1.0267 1.8277 0 0.2228 1.3717 1.1377 1.2442 1.9648 0.2228 0 1.4790 1.0581 1.5501 0.5401 1.3717 1.4790 0 2.5092 1.6883 2.9568 1.1377 1.0581 2.5092 0 这里需要注意的是,pdist可以使用多种参数,指定不同的距离算法。help pdist把。 另外,当数据规模很大时,可以想象pdist产生的Y占用内存将是很吓人的,比如X有10k个数据点 ,那么X占10k*8*2Bytes=160K,这看起来不算啥,但是pdist后的Y会有10k*10k/2*8Bytes=400M 。怕了把,所以,废话说在前面,用MATLAB的层次聚类来处理大规模数据,大概是很不合适的。 (2) 确定好了对象间的差异度(距离)后,就可以用Z=linkage(Y)来产生层次聚类树了。 Z=linkage(Y) Z = 3.0000 4.0000 0.2228 2.0000 5.0000 0.5401 1.0000 7.0000 1.0267 6.0000 9.0000 1.0581 8.0000 10.0000 1.3717 对于M个元素的X,前面说了Y是1行M*(M-1)/2的行向量,Z则是(M-1)*3的矩阵。 Z数组的前两列是索引下标列,最后一列是距离列。例如上例中表示在产生聚类树的计算过程中 ,第3和第4点先聚成一类,他们之间的距离是0.2228,以此类推。要注意的是,为了标记每一个 节点,需要给新产生的聚类也安排一个标识,MATLAB中会将新产生的聚类依次用M+1,M+2,....依 次来标识。比如第3和第4点聚成的类以后就用7来标识,第2和第5点聚成的类用8来标识,依次类 推。 通过linkage函数计算之后,实际上二叉树式的聚类已经完成了。Z这个数据数组不太好看,可以 用dendrogram(Z)来可视化聚类树。 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~图2~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 可以看到,产生的聚类树的每一层都是一个倒置的U型(或者说是个n型,~~),纵轴高度代表了
个人分类: teresa学习笔记|5057 次阅读|0 个评论
[转载]Matlab的第三方工具箱大全(强烈推荐)
ppthelion 2011-5-16 16:45
ADCPtools - acoustic doppler current profiler data processing AFDesign - designing analog and digital filters AIRES - automatic integration of reusable embedded software Air-Sea - air-sea flux estimates in oceanography Animation - developing scientific animations ARfit - estimation of parameters and eigenmodes of multivariate autoregressive methods ARMASA - power spectrum estimation AR-Toolkit - computer vision tracking Auditory - auditory models b4m - interval arithmetic Bayes Net - inference and learning for directed graphical models Binaural Modeling - calculating binaural cross-correlograms of sound Bode Step - design of control systems with maximized feedback Bootstrap - for resampling, hypothesis testing and confidence interval estimation BrainStorm - MEG and EEG data visualization and processing BSTEX - equation viewer CALFEM - interactive program for teaching the finite element method Calibr - for calibrating CCD cameras Camera Calibration Captain - non-stationary time series analysis and forecasting CHMMBOX - for coupled hidden Markov modeling using maximum likelihood EM Classification - supervised and unsupervised classification algorithms CLOSID Cluster - for analysis of Gaussian mixture models for data set clustering Clustering - cluster analysis ClusterPack - cluster analysis COLEA - speech analysis CompEcon - solving problems in economics and finance Complex - for estimating temporal and spatial signal complexities Computational Statistics Coral - seismic waveform analysis DACE - kriging approximations to computer models DAIHM - data assimilation in hydrological and hydrodynamic models Data Visualization DBT - radar array processing DDE-BIFTOOL - bifurcation analysis of delay differential equations Denoise - for removing noise from signals DiffMan - solving differential equations on manifolds Dimensional Analysis - DIPimage - scientific image processing Direct - Laplace transform inversion via the direct integration method DirectSD - analysis and design of computer controlled systems with process-oriented models DMsuite - differentiation matrix suite DMTTEQ - design and test time domain equalizer design methods DrawFilt - drawing digital and analog filters DSFWAV - spline interpolation with Dean wave solutions DWT - discrete wavelet transforms EasyKrig Econometrics EEGLAB EigTool - graphical tool for nonsymmetric eigenproblems EMSC - separating light scattering and absorbance by extended multiplicative signal correction Engineering Vibration FastICA - fixed-point algorithm for ICA and projection pursuit FDC - flight dynamics and control FDtools - fractional delay filter design FlexICA - for independent components analysis FMBPC - fuzzy model-based predictive control ForWaRD - Fourier-wavelet regularized deconvolution FracLab - fractal analysis for signal processing FSBOX - stepwise forward and backward selection of features using linear regression GABLE - geometric algebra tutorial GAOT - genetic algorithm optimization Garch - estimating and diagnosing heteroskedasticity in time series models GCE Data - managing, analyzing and displaying data and metadata stored using the GCE data structure specification GCSV - growing cell structure visualization GEMANOVA - fitting multilinear ANOVA models Genetic Algorithm Geodetic - geodetic calculations GHSOM - growing hierarchical self-organizing map glmlab - general linear models GPIB - wrapper for GPIB library from National Instrument GTM - generative topographic mapping, a model for density modeling and data visualization GVF - gradient vector flow for finding 3-D object boundaries HFRadarmap - converts HF radar data from radial current vectors to total vectors HFRC - importing, processing and manipulating HF radar data Hilbert - Hilbert transform by the rational eigenfunction expansion method HMM - hidden Markov models HMMBOX - for hidden Markov modeling using maximum likelihood EM HUTear - auditory modeling ICALAB - signal and image processing using ICA and higher order statistics Imputation - analysis of incomplete datasets IPEM - perception based musical analysis A href="http://www.baisi.net/misc.php?actwbrion=viewratingstid=51930pid=138123" JMatLink - Matlab Java classes Kalman - Bayesian Kalman filter Kalman Filter - filtering, smoothing and parameter estimation (using EM) for linear dynamical systems KALMTOOL - state estimation of nonlinear systems Kautz - Kautz filter design Kriging LDestimate - estimation of scaling exponents LDPC - low density parity check codes LISQ - wavelet lifting scheme on quincunx grids LKER - Laguerre kernel estimation tool LMAM-OLMAM - Levenberg Marquardt with Adaptive Momentum algorithm for training feedforward neural networks Low-Field NMR - for exponential fitting, phase correction of quadrature data and slicing LPSVM - Newton method for LP support vector machine for machine learning problems LSDPTOOL - robust control system design using the loop shaping design procedure LS-SVMlab LSVM - Lagrangian support vector machine for machine learning problems Lyngby - functional neuroimaging MARBOX - for multivariate autogressive modeling and cross-spectral estimation MatArray - analysis of microarray data Matrix Computation - constructing test matrices, computing matrix factorizations, visualizing matrices, and direct search optimization MCAT - Monte Carlo analysis MDP - Markov decision processes MESHPART - graph and mesh partioning methods MILES - maximum likelihood fitting using ordinary least squares algorithms MIMO - multidimensional code synthesis Missing - functions for handling missing data values M_Map - geographic mapping tools MODCONS - multi-objective control system design MOEA - multi-objective evolutionary algorithms MS - estimation of multiscaling exponents Multiblock - analysis and regression on several data blocks simultaneously Multiscale Shape Analysis Music Analysis - feature extraction from raw audio signals for content-based music retrieval MWM - multifractal wavelet model NetCDF Netlab - neural network algorithms NiDAQ - data acquisition using the NiDAQ library NEDM - nonlinear economic dynamic models NMM - numerical methods in Matlab text NNCTRL - design and simulation of control systems based on neural networks NNSYSID - neural net based identification of nonlinear dynamic systems NSVM - newton support vector machine for solving machine learning problems NURBS - non-uniform rational B-splines N-way - analysis of multiway data with multilinear models OpenFEM - finite element development PCNN - pulse coupled neural networks Peruna - signal processing and analysis PhiVis - probabilistic hierarchical interactive visualization, i.e. functions for visual analysis of multivariate continuous data Planar Manipulator - simulation of n-DOF planar manipulators PRTools - pattern recognition psignifit - testing hyptheses about psychometric functions PSVM - proximal support vector machine for solving machine learning problems Psychophysics - vision research PyrTools - multi-scale image processing RBF - radial basis function neural networks RBN - simulation of synchronous and asynchronous random boolean networks ReBEL - sigma-point Kalman filters Regression - basic multivariate data analysis and regression Regularization Tools Regularization Tools XP Restore Tools Robot - robotics functions, e.g. kinematics, dynamics and trajectory generation Robust Calibration - robust calibration in stats RRMT - rainfall-runoff modelling SAM - structure and motion Schwarz-Christoffel - computation of conformal maps to polygonally bounded regions SDH - smoothed data histogram SeaGrid - orthogonal grid maker SEA-MAT - oceanographic analysis SLS - sparse least squares SolvOpt - solver for local optimization problems SOM - self-organizing map SOSTOOLS - solving sums of squares (SOS) optimization problems Spatial and Geometric Analysis Spatial Regression Spatial Statistics Spectral Methods SPM - statistical parametric mapping SSVM - smooth support vector machine for solving machine learning problems STATBAG - for linear regression, feature selection, generation of data, and significance testing StatBox - statistical routines Statistical Pattern Recognition - pattern recognition methods Stixbox - statistics SVM - implements support vector machines SVM Classifier Symbolic Robot Dynamics TEMPLAR - wavelet-based template learning and pattern classification TextClust - model-based document clustering TextureSynth - analyzing and synthesizing visual textures TfMin - continous 3-D minimum time orbit transfer around Earth Time-Frequency - analyzing non-stationary signals using time-frequency distributions Tree-Ring - tasks in tree-ring analysis TSA - uni- and multivariate, stationary and non-stationary time series analysis TSTOOL - nonlinear time series analysis T_Tide - harmonic analysis of tides UTVtools - computing and modifying rank-revealing URV and UTV decompositions Uvi_Wave - wavelet analysis varimax - orthogonal rotation of EOFs VBHMM - variation Bayesian hidden Markov models VBMFA - variational Bayesian mixtures of factor analyzers VMT - VRML Molecule Toolbox, for animating results from molecular dynamics experiments VOICEBOX VRMLplot - generates interactive VRML 2.0 graphs and animations VSVtools - computing and modifying symmetric rank-revealing decompositions WAFO - wave analysis for fatique and oceanography WarpTB - frequency-warped signal processing WAVEKIT - wavelet analysis WaveLab - wavelet analysis Weeks - Laplace transform inversion via the Weeks method WetCDF - NetCDF interface WHMT - wavelet-domain hidden Markov tree models WInHD - Wavelet-based inverse halftoning via deconvolution WSCT - weighted sequences clustering toolkit XMLTree - XML parser YAADA - analyze single particle mass spectrum data ZMAP - quantitative seismicity analysis
个人分类: matlab|0 个评论
matlab统计工具箱的几何分布概率密度geopdf的密度函数
热度 1 tiancanrong 2011-3-13 10:51
前天上课,偶然发现matlab统计工具箱的几何分布概率密度geopdf的密度函数为 P(k)=p(1-p)^k, 而我们教材上用的几何分布概率密度是P(k)=p(1-p)^(k-1)。
10876 次阅读|1 个评论
[转载]Maple,MapleSim,以及部分附加产品的试用申请方式
COMSOLFEM 2011-2-14 10:21
Maple,MapleSim,以及部分附加产品的试用申请 软件介绍 Maple - 数学和符号计算软件的世界领导者,提供数值和符号计算、创建专业技术文件、可视化工具、编程语言、代码生成、 MapleSim - 新一代多领域复杂系统建模和仿真平台。 申请试用软件的步骤: 申请者下载并填写产品试用申请表: Maple,MapleSim,以及附加产品的试用申请表.doc 用户通过下面的联系方式向CCA递交申请表。 CCA Maple Team评估试用申请,判断是否向申请者提供试用软件。 如果申请获得通过,在5个工作日内,CCA通过申请表中的电子邮件地址向申请者提供安装程序下载链接和试用license。 软件试用期满后,用户向CCA提供试用反馈。 申请表递交方式: 发邮件至:maple@cca-es.com 电话联系:021-64716031 发传真至:021-64716050 试用软件的注意事项 提供单机版安装程序和试用license。 试用license有效期为1个月。 如果是多人同时申请,请在申请表中注明试用人数。 如果需要延长试用时间,请与我们联系。 如果申请人由于某些原因(例如不能上网、或者网速较慢),不能正常下载安装程序,请与我们联系,我们会提供安装程序光盘。 可以试用的软件 所有软件均为最新版本、没有任何功能限制: Maple Global Optimization Toolbox BlockImporter for Simulink MapleSim MapleSim Control Design Toolbox MapleSim Connector MapleSim LabVIEW Connector 技术资源 Maple和MapleSim都是易学易用的软件,即使您没有任何编程经验,也可以快速掌握常规操作的知识。为了方便您更好地学习和使用软件,我们推荐您使用下面的资料。如您有特定的需求,请注明或与我们联系。 如果您初次接触Maple,推荐使用( Maple 资料下载 )中的交互式学习资料。 如果您初次接触MapleSim,推荐使用( MapleSim 资料下载 )中的实践教程和模型。 其他工具的学习,请使用内置的电子用户手册,或下载中文用户手册。 在线支持: MaplePrimes 已有案例库: Application Center 原文网址: http://www.cybernet.sh.cn/cca/cn/maple/maplesim/pilot.asp 转自 www.maplesoft.com.cn Maplesoft中文网 如不能正常下载请复制以下表格: 用户信息: 请填写下列信息: 用户姓名: * 所在单位名称: * 职务 / 职称: * 所在部门 / 院系: * 邮寄地址和邮编: * 电话: * Email : * 希望试用的软件和工具箱: * Maple Maplesim 操作系统: * 请注明 32 位或 64 位, Windows | Linux | Mac 工作兴趣: 其他问题: 注意:标有 * 必须填写!
个人分类: 免费资源|2640 次阅读|0 个评论
[转载]matlab和maple用哪个好?
COMSOLFEM 2011-2-14 10:10
问:我是学工程力学专业的,请问要使用MAPLE软件用哪个好? 答:具体要看你希望解决什么问题。maple或者matlab都是基础计算软件,例如说求解方程,得到运动学和动力学结果。我是两个都用,matlab有时不够用,特别是求解析解时非常弱。maple比较容易上手,matlab需要有一定的编程知识。matlab偏重于数值编程,maple偏重于公式推导,不过两个软件由于基于相同的数值库,可以通过接口工具箱集成两个软件。 ansys、abaqus等都是有限元软件,基于偏微分方程,利用差分等方法求解,得到应力应变等结果。如果专业做这方面的工作,还是需要有一定的理论知识,要不然调试和校验算出来的结果时不知道东南西北。 评论:很多人问我这个问题的时候我总是答的不是很好,这个可以做参考。(转自百度知道)
个人分类: 免费资源|4128 次阅读|0 个评论
[转载][zz] 如何在matlab中添加新的工具箱
realplane 2011-1-31 13:05
关于如何在matlab中添加新的工具箱的整理和心得 首先说说添加到matlab搜索路径好处——你只需要存储一个副本,就可以在其他地方使用。具体来说,假设你在 数据 盘D上新建了两个目录abc和def,这两个工程(每个目录下的所有 程序 相应地称为一个工程)都需要 调用 同一个(些) 函数 (简称 工具箱 ),这时候,如果你没有把该工具箱添加到matlab的搜索路径下,则需要分别把工具箱中所有用到的 文件 都复制到目录abc和def下才能正确 运行 。这显然浪费空间,所以,matlab提供了一个搜索路径(默认在matlab 安装 目录下的toolbox中),只要把工具箱对应的整个文件夹复制到搜索路径对应的目录下,并且通知matlab一声(把该路径正确添加到搜索路径中),就可以在abc和def中使用这个工具箱了.下面就以matlab安装目录下的toolbox目录作为默认的添加路径进行详细说明。 1. 如何添加工具箱? 以下是添加工具箱的方法: 如果是Matlab安装光盘上的工具箱,重新执行安装程序,选中即可。如果是单独下载的工具箱,则需要把新的工具箱(以下假设工具箱名字为 svm )解压到toolbox目录下,然后用addpath或者pathtool把该工具箱的路径添加到matlab的搜索路径中,最后用which newtoolbox_command.m来检验是否可以访问。如果能够显示新 设置 的路径,则表明该工具箱正常。具体请看工具箱自带的README文件。 1.1 举例: 要添加的工具箱为svm,则解压后,里边有一个目录svm,假设matlab安装在D:\ MATLAB 6p5,将svm目录拷贝至D:\MATLAB6p5\toolbox,然后运行matlab,在 命令 窗口 输入 addpath D:\MATLAB6p5\toolbox\svm回车,来添加路径。然后在svm目录下,任意找一个 m文件 ,以svcinfo.m为例,在命令窗口中输入which svcinfo.m。如果显示出该文件路径,如 D:\MATLAB6p5\toolbox\svm\svcinfo.m,则安装成功,当然也可以在命令窗口输入path来查看。 上面的说明和例子基本上介绍了在matlab中如何添加工具箱,下面是其他补充: 1.2 添加方式总结: 事实上,有两种添加工具箱到matlab搜索路径的方法:其一是用 代码 ,其二是用 界面 。其实无论用哪种方法,都是修改pathdef.m这个文件,阁下如果是 高手 ,可以直接打开该文件修改,呵呵,对此这里不作讨论。 1.2.1 代码方式: 1.2.1.1 适用于添加下载的工具箱(别人的): 在命令窗口输入addpath D:\MATLAB6p5\toolbox\svm 或者addpath(‘D:\MATLAB6p5\toolbox\svm’); 但是这种方法只能添加svm目录,如果该目录下有其他子文件夹,并且运行时候“隐式”调用到这些子文件夹(例如假设svm目录下存在子文件夹matdata,该子文件夹下有logo.mat这个文件,且在m文件代码中使用了诸如 load logo 这样的句子,即没有显式给出logo.mat的具体路径,则称为“隐式”),则不能正确访问。因此,有必要在添加时使用以下语句把svm目录下所有文件夹都添加到搜索路径中: addpath(genpath(D:\MATLAB6p5\toolbox\svm)); 另外,如果只使用以上代码,则退出matlab后,新添加的路径不会被 保存 下来,下次重新启动matlab后又需要重新添加。可以用savepath来解决这个问题,即在命令窗口中使用 savepath 便可。不过保存路径操作只对matlab 2006a、2006b有效(应该对版本7.0以上的都有效,因没有测试,所以不敢肯定),对6.5版本的matlab无效(该版本没有savepath这个命令)。 1.2.1.2 适用于添加自己的工具箱(即工具箱自己编写,然后希望别人下载后当运行主文件时自动把路径添加到matlab搜索路径中): 在主文件中加入如下代码: sCurrPath = fileparts(mfilename('fullpath')); addpath(genpath(sCurrPath)); %如果该工具箱没有其他子目录,则可以不需要用genpath savepath; %这句可根据各人需要自行选择,相信上一节的解释已经很清楚 1.2.2 界面方式: 首先把主界面调出来,有两种方式,一种是在命令窗口输入pathtool, 另一种是在matlab菜单调用(File - Set Path…)。打开主界面后,相信不用太多解释了。Add Folder… 或者 Add with subfolders… 就可以了,添加完毕后,如果需要保存该路径,则在close前save一下就可以了。 这种方式的好处是如果路径有问题,matlab会马上报错,告诉用户添加失败。 工具箱添加失败!? 2.1 work目录和toolbox目录问题: 你当然可以单独把一个或多个文件(不含文件夹)放在work目录下来实现“1对n”,因为work目录是其中一个matlab默认的搜索路径,但显然不能包含文件夹,如果包含文件夹,则同样需要把该文件夹添加到搜索路径中。相反,你不能单独把一个或多个文件(不含文件夹)放在toolbox目录下来实现“1对n”,因为toolbox这个目录并非matlab的一个默认搜索路径,除非你把toolbox文件夹添加到搜索路径中。 2.2 由于路径名称而导致添加失败的总结: 2.2.1 路径存在空格: 错误 :addpath C:\Program Files\MATLAB\R2006b\toolbox\finity 正确:addpath(‘C:\Program Files\MATLAB\R2006b\toolbox\finity’) 或者使用界面方式添加 说明:在6.5版本的matlab不推荐使用带空格的路径,因为matlab6.5的安装路径是不允许有空格的,因此不晓得带空格的工具箱路径会出现什么问题。7.0以上应该没有问题。 界面方式则估计没有问题,有问题matlab会自动报错的。 2.2.2 路径存在中文: 用addpath和界面方式均可以成功添加,最好使用英文路径。 2.2.3 路径存在“@”字符: 均不成功,不要使用“@”字符 小结 :出现其他与添加相关的错误时,用标准的路径和文件名试试吧。 正确添加了工具箱,但运行调用时出错 !! 3.1 版本问题: 对于工具箱 检测 到matlab版本不兼容的问题,先引用一下happy教授的回复: =====================happy================================ 这个是有用的,估计是作者考虑到随着matlab的升级会出现不兼容的问题,因此加了类似的设置error('unsupported matlab version. please send an email.');以提示大家。从这一设置上看4.x和5.x版本的是完全没有问题的,之后的版本可能会出现问题,是否真的会出现需要进行测试 ========================================================= 我也遇到过这类问题(如3.3节提到的spm5,下载得到的文件如果遇到2006版本的matlab则无法成功运行),但不是matlab的直接回复说“版本不支持”,而是普通的语法出错。我的经验是根据错误提示调试一下,看看问题出在哪里,然后再对程序作相应修改。例如在我的问题中,由于不支持最新的版本,所以2006a和2006b版本分别用下面的语句进行检查:strcmp(version('-release'),'2006a') 和 strcmp(version('-release'),'2006b')。 3.2 程序中其他语法错误: 估计部分语法不兼容,例如7.0版本以上的matlab可以使用、||、@(x)等等之类的 符号 ,但是在6.5版本下无效,这种错误也需要自己手动修改一下代码。 3.3 工具箱中的函数重名问题: Happy教授也提到过,除了改名,没有太好的办法。但是如果改的地方不止一个,例如遇到该文件进行了多次的自我调用(一个典型例子是以switch 和case语句进行区分不同的操作),或者其他文件存在对该文件的调用时,这是个很头痛的事情。根据我的经验,也没有找到太好的解决办法。以我所用的两个工具箱为例,它们的文件夹名字不同(一个是spm2,一个是spm5),但是里面的主m文件名字都一样,为spm.m,如果两个工具箱同处于matlab的搜索路径中,会导致其中一个工具箱失效,更别说两者之间通过切换来进行调用了。我一般的解决方法是安装两个matlab,例如一个是6.5版,一个是2006版,把两个工具箱分别添加到不同的matlab中,这样就可以启动不同版本的matlab使用不同版本的工具箱了,呵呵,算是一个补救的方法吧。 3.4 找不到m文件的问题: 如果你已经把工具箱正确添加到搜索路径下,这种情况一般不会发生。也就是说,通过“文件夹copy - 运行matlab -添加路径”步骤后,该文件夹下所有文件应该都可以访问到。但是,当你对该文件夹下的m文件更新(包括修改和新增)了以后,此时如果你不重启matlab,则可能会出现找不到m文件的问题(特别是该工具箱中的文件没有依赖关系,它们只是被放在一起方便调用,当你新增一个m文件到该文件夹下而不重启matlab的时候,会造成这一新增m文件访问失败)。解决这个问题的方法之一显然是重启matlab,如果你不想重启,也可用第二个方法:在命令窗口输入: rehash toolbox ,“强制”matlab刷新toolbox目录下的所有文件,这样就可以正确访问了。 【感谢原作者eight, 原文地址: http://www.ilovematlab.cn/thread-3079-1-1.html 】
个人分类: 经典转帖|4050 次阅读|0 个评论
[转载]快讯MapleSim即将发布汽车传动系统 MapleSim Driveline Library
COMSOLFEM 2011-1-24 17:28
详情请见: www.maplesoft.com MapleSim即将发布汽车传动系统MapleSim Driveline Library。该工具箱覆盖Mathworks SimDriveline所有的模型元件,此外包含一些不同的应用案例、详细的引擎模型、基于实验数据的损耗模型。
个人分类: 免费资源|2184 次阅读|0 个评论
Matlab曲线拟合工具箱CFtool使用
eaglezxw 2010-10-27 15:21
Matlab曲线拟合工具箱CFtool使用 CFtool是Matlab中的曲线拟合工具箱,能够实现很多基本的曲线拟合算法,使用非常方便,现将其使用方法简介如下: 步骤1:在命令行输入数据x、y x= '; y= '; 步骤2:打开曲线拟合工具箱cftool 步骤3:进行实际操作 1、 点击“Data”,选择 X Data 和Y Data,然后点击“Create data set”然后关闭 2、 点击“Fitting”按钮,弹出“Fitting”窗口 点击“New fit”按钮,可修改项目名称“Fit name”,通过“Data set”下拉菜单选择数据集,然后通过下拉菜单“Type of fit”选择拟合曲线的类型,工具箱提供的拟合类型有: Custom Equations: Exponential: Fourier: Gaussian: Interpolant: Polynomial: Power: Rational: Smoothing Spline: Sum of Sin Functions: Weibull: 如选择Polynomial,则有以下几种类型: Linear Polynomial; Quadratic Polynomial; Cubic Polynomial 4th degree Polynomial 一直到 9th degree Polynomial. 3、 选择9th degree Polynomial,然后点击“apply”,则在“Results”中显示拟合结果: Warnings during fitting: Equation is badly conditioned. Remove repeated data points or try centering and scaling. Linear model Poly9: f(x) = p1*x^9 + p2*x^8 + p3*x^7 + p4*x^6 + p5*x^5 + p6*x^4 + p7*x^3 + p8*x^2 + p9*x + p10 Coefficients (with 95% confidence bounds): p1 = -1.905e-032 (-3.262e-032, -5.488e-033) p2 = 1.073e-027 (3.705e-028, 1.775e-027) p3 = -2.638e-023 (-4.214e-023, -1.062e-023) p4 = 3.715e-019 (1.706e-019, 5.724e-019) p5 = -3.299e-015 (-4.898e-015, -1.7e-015) p6 = 1.915e-011 (1.093e-011, 2.737e-011) p7 = -7.27e-008 (-9.995e-008, -4.544e-008) p8 = 0.0001742 (0.0001182, 0.0002302) p9 = -0.2402 (-0.305, -0.1755) p10 = 148.2 (116.2, 180.1) Goodness of fit: SSE: 0.0003373 R-square: 1 Adjusted R-square: 0.9999 RMSE: 0.007498 同时,在拟合工具箱cftool中显示拟合曲线
个人分类: matlab开发|11737 次阅读|0 个评论
[转载]分子生物学工具箱
ghsy 2010-4-4 20:01
分子生物学工具箱 分子生物学工具箱(转) 综合数据库: 最权威的生物信息学网址链接: http://www.bioinformatics.vg 生物信息学网址链接: http://www.bioinformatics.ca/links_directory/ Nucleic Acid Research Database Issue: http://nar.oupjournals.org/content/vol32/suppl_2/ 一、蛋白相关数据库 蛋白质结构域预测工具 Esignal: http://motif.stanford.edu/esignal/ 信号传导系统蛋白的结构域预测工具,凡是涉及到信号传导系统的蛋白用这个预测效果最佳 SignalP: http://www.cbs.dtu.dk/services/SignalP/ 信号肽预测工具,适合定位于非胞质位置的蛋白质 Emotif: http://motif.stanford.edu/emotif-search/ 结构域预测工具,由于其用motif电子学习的方法产生结构域模型,故预测效果比Prosite好 Ematrix: http://fold.stanford.edu/ematrix/ 是用Matrix的方法创建的结构域数据库,可与emotif互相印证。其速度快,可快速搜索整个基因组 InterPro: http://www.ebi.ac.uk/InterProScan/ EBI提供的服务,用图形的形式表示出搜索的结构域结果 TRRD: http://wwwmgs.bionet.nsc.ru/mgs/gnw/trrd/ 转录因子结构域预测的最好数据库。但不会用 Protscale: http://cn.expasy.org/cgi-bin/protscale.pl 可分析该序列的各种性状如活动度、亲水性(KyteDoolittle)、抗原性(HoppWoods)等 通过寻找MOTIF和Domain来分析蛋白质的功能 A. MOTIF是蛋白中较小的保守序列片断,其概念比Domain小 PROSITE: http://cn.expasy.org/tools/scanprosite/ 是专门搜索蛋白质Motif的数据库,其中signature seqs是最重要的motif信息 B. Domain:若干motif可形成一个Domain,每个Domain形成一个球形结构,Domain与Domain之间通常像串珠一样相连 Pfam: http://www.sanger.ac.uk 可以搜索某段序列中的Domain,并以图形化表示出来。这个数据库非常重要。用法:在搜索栏中输入蛋白的swissprot的序列号 CDD: http://www.ebi.ac.uk/interpro/ NCBI搜索时在每个蛋白质Link旁都有Blink,Domains两个链接。Domains可以直接看到这个蛋白的确定的结构域。如果要在CDD数据库寻找Domain信息,则可进入Blink链接,再进行CDD搜索,就可以了。看Domain的详细信息可以到: http://www.ebi.ac.uk/interpro/ 上进行搜索查看 蛋白跨膜序列分析 kyte-Doolittle疏水性分析:每个等于或高于1.8的峰都可能是跨膜结构域 蛋白质结构预测工具 PREDATOR: http://npsa-pbil.ibcp.fr/cgi-bin/npsa_automat.pl?page=/NPSA/npsa_preda.html 蛋白质二级结构预测工具 蛋白质糖基化位点的预测 http://bioresearch.ac.uk/browse/mesh/C0017982L1222670.html 这是个综合连接。包括:DictyOGlyc prediction server,NetOGlyc prediction server,YinOYang server,META II PredictProtein server,O-GLYCBASE,GlycoMod tool 蛋白质结构数据库 MMDB: http://www.ncbi.nlm.nih.gov/Structure/MMDB/mmdb.shtml NCBI的蛋白质结构数据库,要使用Cn3D v4.1软件观看 PDB: http://www.rcsb.org/pdb/ Protein Data Bank, 要使用Swiss PDB viewer软件观看 蛋白质综合数据库 PIR: http://pir.georgetown.edu Uniprot http://www.pir.uniprot.org 二、核酸相关数据库 三大主要核酸序列数据库: EMBL: http://www.ebi.ac.uk/embl/ GenBank: http://www.ncbi.nlm.nih.gov/Genbank/ DDBJ: http://www.ddbj.nig.ac.jp RNA二级结构及非编码区功能预测: RNA二级结构预测: http://www.genebee.msu.su/services/rna2_reduced.html 速度快,生成图像 最好的RNA二级结构预测软件:mfold UTR功能区预测: http://bighost.area.ba.cnr.it/BIG/UTRHome/ 预测mRNA翻译能力的在线工具: http://wwwmgs.bionet.nsc.ru/programs/acts2/ma_mRNA.htm 其说明书在: http://wwwmgs.bionet.nsc.ru/mgs/papers/kochetov/bioinf/ RegRNA: http://bidlab.life.nctu.edu.tw/RegRNA2/website/ RFAM: http://www.sanger.ac.uk/Software/Rfam/ RNA world: http://www.imb-jena.de/RNA.html RNA resource Links: http://bidlab.life.nctu.edu.tw/RegRNA2/website/references/ 基因转录调控相关数据库 EPD http://www.epd.isb-sib.ch 真核生物启动子,好用 TRRD:Transcription Regulatory Regions Database 可搜索某一基因的调控区及相关转录因子 TRANSFAC: http://www.generegulation.de 可搜索所有转录因子的数据,好用 启动子数据库: http://www.epi.isb-sib.ch 转录因子结合位点 http://www.ejbiotechnology.info/content/vol3/issue3/full/2/bip/ 电子延伸相关在线软件 意大利CAP3软件: http://bio.ifom-firc.it/ASSEMBLY/assemble.html 强烈推荐使用,使用时只需将整个Unigene全部序列文件输入就可以了 序列比对在线软件 Multialin: http://prodes.toulouse.inra.fr/multalin/multalin.html 最好的多序列比对在线工具 FASTA: http://www.ebi.ac.uk/fasta/ , http://fasta.bioch.virginia.edu BLAST: http://www.ncbi.nih.gov/BLAST/ Motif的发现与利用Motif发现新的功能基因 MEME: http://meme.sdsc.edu/meme/website/intro.html 可以发现几个序列所共有的motif以及根据已知的motif搜索est数据库以发现新的基因,此软件输出结果不好读懂 BLOCK Maker: http://blocks.fhcrc.org in which Block maker is Very Good http://bioinformatics.weizmann.ac.il/blocks/blockmkr/www/make_blocks.html 可通过蛋白多序列比对寻找其中的保守区域,非常好用,易学 IRES及其他UTR功能序列的预测 UTRscan: http://bighost.area.ba.cnr.it/BIG/UTRScan/ , http://www.ba.itb.cnr.it/BIG/UTRScan/ 需要先注册email 三、表达数据库 EST聚类表达数据资源 Unigene: http://www.ncbi.nlm.nih.gov/unigene/ 不用说了,老牌的EST聚类程序,数据库质量很好,但毛病也不少,不过我常用它 TIGR: http://www.tigr.org/tdb/tgi/ 按独一无二的剪接体对EST进行聚类,并从中得出独一无二的共有的序列,每个Cluster的EST都有图形排列显示 Allgenes: http://www.allgenes.org 其EST聚类要求比较严格,但每个Cluster都有一个质量极高的mRNA序列,可轻松定位到基因组上 MIPS: http://mips.gsf.de/proj/human/ MIPS的EST聚类数据库。其中有个工具特别好,就是在BLAST服务中有个可以得到与BLAST基因相近EST的组织分布的程序 特殊的表达数据库 前列腺表达数据库: http://www.pedb.org 膀胱癌EST数据库: http://bladder.nhri.org.tw Microarray和SAGE表达数据库及其分析工具 全身正常组织microarray数据(U133A, U133B): http://www.dev.gmod.org 较全的全身正常组织microarray数据库,推荐,要搜索表达数据需在search中数据探针名称(U133A, U133B),注意必须安装Adobe SVG Viewer,得到的数据需要用photoshop颠倒过来才能观看。 斯坦福大学生物芯片数据库: http://genome-www5.stanford.edu/ 最好的生物芯片数据库,不仅数据源丰富,而且数据搜索软件功能齐全,但要学会也需要点时间 CleanEX: http://www.cleanex.isb-sib.ch 用于分析比较来源于不同技术平台的表达数据 EBI array database: http://www.ebi.ac.uk/arrayexpress/ 欧洲生物信息学会主办的基因芯片数据库 RAD: http://www.cbil.upenn.edu/RAD/php/ 功能与CleanEX近似,推荐使用 Gene Expression Db: http://discover.nci.nih.gov 提供60多个肿瘤细胞系的基因芯片数据 NIAID: http://madb.niaid.nih.gov ONCOMINE: http://141.214.6.50/oncomine/main/ AWR1Uko AND MY EMAIL非常好的肿瘤microarray数据库 GENEHOPPER: http://genehopper.lumc.nl/db/ 利用accession num将microarray数据与Genebank进行连接的软件 NetAffx: https://www.affymetrix.com/analysis/netaffx/index.affx Microarray Anotation Database:探针注释数据库 四、其它数据库 免疫学相关数据库 MHCI结合表型预测: http://bimas.dcrt.nih.gov/molbio/hla_bind/ 已经试过,非常好用 两种常用表位预测数据库 ProPred-I: http://www.imtech.res.in/raghava/propred1/ SYFPEITHI: http://www.uni-tuebingen.de/uni/kxi/ MHCI表型预测与蛋白酶体降解分析 SYFPEITHI的MHCI表型预测工具: http://syfpeithi.bmi-heidelberg.com/Scripts/MHCServer.dll/EpitopePrediction.htm SEREX数据库: http://www2.licr.org/CancerImmunomeDB/ CT抗原数据库: http://www.cancerimmunity.org/CTdatabase/ Immunology相关工具综合: http://www.cancerimmunity.org 特殊数据库 McGill: http://ww2.mcgill.ca/androgendb/ 雄激素受体数据库 肿瘤数据库 染色体突变数据库: http://www.infobiogen.fr/services/chromcancer/ 内源性逆转录病毒数据库: http://www.girinst.org 包含100多个内源性逆转录病毒家族,每个家族都给出了共有序列 基因注释数据库 ensemble: http://www.ensembl.org/Homo_sapiens/ 综合各种基因注释的平台 OE: http://vortex.cs.wayne.edu/Projects.html 基因功能注释的重要工具,提供每个注释的生物学意义的评分 GENMAPP: 将基因芯片数据综合在各种生物通路上,帮助分析表达数据的生物学意义 GeneCard: http://bioinformatics.weizmann.ac.il/cards/ 很全的基因卡片 突变数据库 HGMD突变数据库: http://archive.uwcm.ac.uk/uwcm/mg/hgmd/search.html 包含各种疾病和基因的突变数据 肿瘤基因数据库: http://condor.bcm.tmc.edu/ermb/tgdb/tgdb.html 搜索起来不是很方便 比较基因组学数据库 VISTA: http://www-gsd.lbl.gov/vista/ 最重要的比较基因组学在线软件,强烈推荐使用 PCR相关网站 引物数据库: http://pga.mgh.harvard.edu/primerbank/ 含180000条mRNA特异引物,非常好用 方便的实验室运算软件 MOLBIOL.RU: http://molbiol.ru/eng/scripts/ 可以进行随机核酸序列的产生,PCR条件优化运算等 密码子使用频度数据库: http://www.kazusa.or.jp/codon/ 代理列表 清华大学代理列表: http://www.ipcn.org 西郊天空: http://xjtusky.net/www/mod/ie/ GOOGLE镜像: http://google.ipcn.org 或 http://google.ipchina.org 本文引用地址: http://www.sciencenet.cn/m/user_content.aspx?id=279563
2685 次阅读|3 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-5-24 00:05

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部