Matlab常用工具箱
Matlab各工具箱功能简介(部分)
Ｔoolbox工具箱序号工具箱备注一、数学、统计与优化1 Symbolic Math Toolbox符号数学工具箱Symbolic Math Toolbox™提供用于求解和推演符号运算表达式以及执行可变精度算术的函数。您可以通过分析执行微分、积分、化简、转换以及方程求解。另外，还可以利用符号运算表达式为MATLAB、Simulink和Simscape™生成代码。®®Symbolic Math Toolbox包含MuPAD语言，并已针对符号运算表达式的处理和执®行进行优化。该工具箱备有MuPAD函数库，其中包括普通数学领域的微积分和线性代数，以及专业领域的数论和组合论。此外，还可以使用MuPAD语言编写自定义的符号函数和符号库。MuPAD记事本支持使用嵌入式文本、图形和数学排版格式来记录符号运算推导。您可以采用HTML或PDF的格式分享带注释的推导。2 Partial Differential Euqation Toolbox偏微分方程工具箱偏微分方程工具箱™提供了用于在2D，3D求解偏微分方程（PDE）以及一次使用有限元分析。它可以让你指定和网格二维和三维几何形状和制定边界条件和公式。你能解决静态，时域，频域和特征值问题在几何领域。功能进行后处理和绘图效果使您能够直观地探索解决方案。你可以用偏微分方程工具箱，以解决从标准问题，如扩散，传热学，结构力学，静电，静磁学，和AC电源电磁学，以及自定义，偏微分方程的耦合系统偏微分方程。3 Statistics Toolbox统计学工具箱Statistics and Machine Learning Toolbox提供运用统计与机器学习来描述、分析数据和对数据建模的函数和应用程序。您可以使用用于探查数据分析的描述性统计和绘图，使用概率分布拟合数据，生成用于Monte Carlo仿真的随机数，以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。
Matlab的第三方工具箱大全
Matlab的第三方工具箱大全（强烈推荐）Matlab Toolboxes∙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 analysisJMatLink - Matlab Java classesKalman - Bayesian Kalman filterKalman Filter - filtering, smoothing and parameter estimation (using EM) for linear dynamical systemsKALMTOOL - state estimation of nonlinear systemsKautz - Kautz filter designKrigingLDestimate - estimation of scaling exponentsLDPC - low density parity check codesLISQ - wavelet lifting scheme on quincunx gridsLKER - Laguerre kernel estimation toolLMAM-OLMAM - Levenberg Marquardt with Adaptive Momentum algorithm for training feedforward neural networksLow-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 procedureLS-SVMlabLSVM - Lagrangian support vector machine for machine learning problemsLyngby - functional neuroimagingMARBOX - for multivariate autogressive modeling and cross-spectral estimation MatArray - analysis of microarray dataMatrix Computation - constructing test matrices, computing matrix factorizations, visualizing matrices, and direct search optimizationMCAT - Monte Carlo analysisMDP - Markov decision processesMESHPART - graph and mesh partioning methodsMILES - maximum likelihood fitting using ordinary least squares algorithmsMIMO - multidimensional code synthesisMissing - functions for handling missing data valuesM_Map - geographic mapping toolsMODCONS - multi-objective control system designMOEA - multi-objective evolutionary algorithmsMS - estimation of multiscaling exponentsMultiblock - analysis and regression on several data blocks simultaneouslyMultiscale Shape AnalysisMusic Analysis - feature extraction from raw audio signals for content-based music retrievalMWM - multifractal wavelet modelNetCDFNetlab - neural network algorithmsNiDAQ - data acquisition using the NiDAQ libraryNEDM - nonlinear economic dynamic modelsNMM - numerical methods in Matlab textNNCTRL - design and simulation of control systems based on neural networks NNSYSID - neural net based identification of nonlinear dynamic systemsNSVM - newton support vector machine for solving machine learning problems NURBS - non-uniform rational B-splinesN-way - analysis of multiway data with multilinear modelsOpenFEM - finite element developmentPCNN - pulse coupled neural networksPeruna - signal processing and analysisPhiVis - probabilistic hierarchical interactive visualization, i.e. functions for visual analysis of multivariate continuous dataPlanar Manipulator - simulation of n-DOF planar manipulatorsPRTools - pattern recognitionpsignifit - testing hyptheses about psychometric functionsPSVM - proximal support vector machine for solving machine learning problemsPsychophysics - vision researchPyrTools - multi-scale image processingRBF - radial basis function neural networksRBN - simulation of synchronous and asynchronous random boolean networks ReBEL - sigma-point Kalman filtersRegression - basic multivariate data analysis and regressionRegularization ToolsRegularization Tools XPRestore ToolsRobot - robotics functions, e.g. kinematics, dynamics and trajectory generation Robust Calibration - robust calibration in statsRRMT - rainfall-runoff modellingSAM - structure and motionSchwarz-Christoffel - computation of conformal maps to polygonally bounded regions SDH - smoothed data histogramSeaGrid - orthogonal grid makerSEA-MAT - oceanographic analysisSLS - sparse least squaresSolvOpt - solver for local optimization problemsSOM - self-organizing mapSOSTOOLS - solving sums of squares (SOS) optimization problemsSpatial and Geometric AnalysisSpatial RegressionSpatial StatisticsSpectral MethodsSPM - statistical parametric mappingSSVM - smooth support vector machine for solving machine learning problems STATBAG - for linear regression, feature selection, generation of data, and significance testingStatBox - statistical routinesStatistical Pattern Recognition - pattern recognition methodsStixbox - statisticsSVM - implements support vector machinesSVM ClassifierSymbolic Robot DynamicsTEMPLAR - wavelet-based template learning and pattern classificationTextClust - model-based document clusteringTextureSynth - analyzing and synthesizing visual texturesTfMin - continous 3-D minimum time orbit transfer around EarthTime-Frequency - analyzing non-stationary signals using time-frequency distributions Tree-Ring - tasks in tree-ring analysisTSA - uni- and multivariate, stationary and non-stationary time series analysis TSTOOL - nonlinear time series analysisT_Tide - harmonic analysis of tidesUTVtools - computing and modifying rank-revealing URV and UTV decompositionsUvi_Wave - wavelet analysisvarimax - orthogonal rotation of EOFsVBHMM - variation Bayesian hidden Markov modelsVBMFA - variational Bayesian mixtures of factor analyzersVMT - VRML Molecule Toolbox, for animating results from molecular dynamics experiments VOICEBOXVRMLplot - generates interactive VRML 2.0 graphs and animationsVSVtools - computing and modifying symmetric rank-revealing decompositionsWAFO - wave analysis for fatique and oceanographyWarpTB - frequency-warped signal processingWAVEKIT - wavelet analysisWaveLab - wavelet analysisWeeks - Laplace transform inversion via the Weeks methodWetCDF - NetCDF interfaceWHMT - wavelet-domain hidden Markov tree modelsWInHD - Wavelet-based inverse halftoning via deconvolutionWSCT - weighted sequences clustering toolkitXMLTree - XML parserYAADA - analyze single particle mass spectrum dataZMAP - quantitative seismicity analysis。
MATLAB百科
MATLAB目录MATLAB的简介发展历程应用Matlab的优势和特点Matlab常用工具箱常用函数[编辑本段]MATLAB的简介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MATLA B和Simulink两大部分。
MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Mapl e并称为三大数学软件。
它在数学类科技应用软件中在数值计算方面首屈一指。
MAT LAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。
在新的版本中也加入了对C，FORTRAN，C++ ，JAVA的支持。
可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
[编辑本段]发展历程20世纪70年代，美国新墨西哥大学计算机科学系主任Cleve Moler为了减轻学生编程的负担，用FORTRAN编写了最早的MATLAB。
1984年由Little、Moler、St eve Bangert合作成立了的MathWorks公司正式把MATLAB推向市场。
到20世纪9 0年代，MATLAB已成为国际控制界的标准计算软件。
版本更新[编辑本段]应用MATLAB 产品族可以用来进行以下各种工作：● 数值分析● 数值和符号计算● 工程与科学绘图● 控制系统的设计与仿真● 数字图像处理● 数字信号处理● 通讯系统设计与仿真● 财务与金融工程MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。
matlab各种应用工具箱参考
2021/3/10
讲解：XX
11
二、通用工具箱
• Matlab主工具箱
• 前面课程所介绍的数值计算、符号运算、 绘图以及句柄绘图都是matlab主工具箱 的内容，是matlab的基本部分，也是我 们课程的重点。
• Matlab主工具箱位于：
c:\matlab\toolbox\matlab
• matlab主工具箱是任何版本的matlab都
simulink 的一般结构：
输入
系统
输出
2021/3/10
讲解：XX
27
仿真原理
• 当在框图视窗中进行仿真的同时，matlab 实际上是运行保存于simulink内存中s函数 的映象文件，而不是解释运行该m文件。
• s函数并不是标准m文件，它m文件的一种 特殊形式。
结构图创建方法
• 一个动态系统的创建过程，就是一个方框 图的绘制过程
rose - Angle histogram plot.
compass - Compass plot.
feather - Feather plot.
fplot - Plot function.
comet - Comet-like trajectory.
2021/3/10
讲解：XX
17
Graph annotation. title - Graph title. xlabel - X-axis label. ylabel - Y-axis label. text - Text annotation. gtext - Mouse placement of text. grid - Grid lines.
高阶谱分析工具箱
2021/3/10
第6讲 matlab工具箱介绍与仿真基础
Signal Processing Toolbox——信号处理工具 箱 Spline Toolbox——样条工具箱 Statistics Toolbox——统计工具箱 Symbolic Math Toolbox——符号数学工具箱 Simulink Toolbox——动态仿真工具箱 System Identification Toolbox——系统辨识 工具箱 Wavele Toolbox——小波工具箱 等等
领域型工具箱
—— 专用型
领域型工具箱是学科专用工具 箱，其专业性很强，比如控制系统工
具箱（ Control System Toolbox）；信
号处理工具箱（Signal Processing
Toolbox）；财政金融工具箱（ Financial
Toolbox）等等。只适用于本专业。
Matlab常用工具箱
变量 f fun H A,b Aeq,beq vlb,vub X0 x1,x2 options 描 述 线性规划的目标函数f*X 或二次规划的目标函 数X’*H*X+f*X 中线性项的系数向量 非线性优化的目标函数.fun必须为行命令对象 或M文件、嵌入函数、或MEX文件的名称 二次规划的目标函数X’*H*X+f*X 中二次项的系 数矩阵 A矩阵和b向量分别为线性不等式约束： AX b 中的系数矩阵和右端向量 Aeq矩阵和beq向量分别为线性等式约束： Aeq X beq 中的系数矩阵和右端向量 X的下限和上限向量：vlb≤X≤vub 迭代初始点坐标 函数最小化的区间 优化选项参数结构，定义用于优化函数的参数 调用函数 linprog,quadprog fminbnd,fminsearch,fminunc, fmincon,lsqcurvefit,lsqnonlin, fgoalattain,fminimax quadprog linprog,quadprog,fgoalattain, fmincon, fminimax linprog,quadprog,fgoalattain, fmincon, fminimax linprog,quadprog,fgoalattain, fmincon,fminimax,lsqcurvefit, lsqnonlin 除fminbnd外所有优化函数 fminbnd 所有优化函数
matlab中统计工具箱函数大全
matlab中统计工具箱函数大全MATLAB统计工具箱包括概率分布、方差分析、假设检验、分布检验、非参数检验、回归分析、判别分析、主成分分析、因子分析、系统聚类分析、K均值聚类分析、试验设计、决策树、多元方差分析、统计过程控制和统计图形绘制等。
优化工具箱包括无约束最优化、有约束最优化、二次规划、多目标规划、最大最小化、半元限问题、方程求解以及大型优化问题的求解等。
表Ⅰ-1 概率密度函数betapdf贝塔分布的概率密度函数binopdf二项分布的概率密度函数chi2pdf卡方分布的概率密度函数exppdf指数分布的概率密度函数fpdf f分布的概率密度函数gampdf伽玛分布的概率密度函数geopdf几何分布的概率密度函数hygepdf超几何分布的概率密度函数normpdf正态（高斯）分布的概率密度函数lognpdf对数正态分布的概率密度函数nbinpdf负二项分布的概率密度函数ncfpdf非中心f分布的概率密度函数nctpdf非中心t分布的概率密度函数ncx2pdf非中心卡方分布的概率密度函数poisspdf泊松分布的概率密度函数raylpdf雷利分布的概率密度函数tpdf学生氏t分布的概率密度函数unidpdf离散均匀分布的概率密度函数unifpdf连续均匀分布的概率密度函数weibpdf威布尔分布的概率密度函数表Ⅰ-2 累加分布函数函数名对应分布的累加函数betacdf贝塔分布的累加函数binocdf二项分布的累加函数chi2cdf卡方分布的累加函数expcdf指数分布的累加函数fcdf f分布的累加函数gamcdf伽玛分布的累加函数geocdf几何分布的累加函数hygecdf超几何分布的累加函数logncdf对数正态分布的累加函数nbincdf负二项分布的累加函数ncfcdf非中心f分布的累加函数nctcdf非中心t分布的累加函数ncx2cdf非中心卡方分布的累加函数normcdf正态（高斯）分布的累加函数poisscdf泊松分布的累加函数raylcdf雷利分布的累加函数tcdf学生氏t分布的累加函数unidcdf离散均匀分布的累加函数unifcdf连续均匀分布的累加函数weibcdf威布尔分布的累加函数表Ⅰ-11 线性模型函数anova1单因子方差分析anova2双因子方差分析anovan多因子方差分析aoctool协方差分析交互工具dummyvar拟变量编码friedman Friedman检验glmfit一般线性模型拟合kruskalwallis Kruskalwallis检验leverage中心化杠杆值lscov已知协方差矩阵的最小二乘估计manova1单因素多元方差分析manovacluster多元聚类并用冰柱图表示multcompare多元比较多项式评价及误差区间估计polyfit最小二乘多项式拟合polyval多项式函数的预测值polyconf残差个案次序图regress多元线性回归regstats回归统计量诊断Ridge岭回归rstool多维响应面可视化robustfit稳健回归模型拟合stepwise逐步回归x2fx用于设计矩阵的因子设置矩阵表Ⅰ-12 非线性回归函数nlinfit非线性最小二乘数据拟合（牛顿法）nlintool非线性模型拟合的交互式图形工具nlparci参数的置信区间nlpredci预测值的置信区间nnls非负最小二乘表Ⅰ-13 试验设计函数cordexch D-优化设计（列交换算法）daugment递增D-优化设计dcovary固定协方差的D-优化设计ff2n二水平完全析因设计fracfact二水平部分析因设计fullfact混合水平的完全析因设计hadamard Hadamard矩阵（正交数组）rowexch D-优化设计（行交换算法）表Ⅰ-14 主成分分析函barttest Barttest检验pcacov源于协方差矩阵的主成分pcares源于主成分的方差princomp根据原始数据进行主成分分析表Ⅰ-15 多元统计函数classify聚类分析mahal马氏距离manova1单因素多元方差分析manovacluster多元聚类分析表Ⅰ-16 假设检验函数ranksum秩和检验signrank符号秩检验signtest符号检验ttest单样本t检验ttest2双样本t检验ztest z检验表Ⅰ-17 分布检验函数jbtest正态性的Jarque-Bera检验kstest单样本Kolmogorov-Smirnov检验kstest2双样本Kolmogorov-Smirnov检验lillietest正态性的Lilliefors检验Ⅰ-18 非参数函数friedman Friedman检验kruskalwallis Kruskalwallis检验ranksum秩和检验signrank符号秩检验signtest符号检验表Ⅰ-19 文件输入输出函数caseread读取个案名casewrite写个案名到文件tblread以表格形式读数据tblwrite以表格形式写数据到文件tdfread从表格间隔形式的文件中读取文本或数值数据表Ⅰ-20 演示函数aoctool协方差分析的交互式图形工具disttool探察概率分布函数的GUI工具glmdemo一般线性模型演示randtool随机数生成工具polytool多项式拟合工具rsmdemo响应拟合工具robustdemo稳健回归拟合工具统计工具箱是matlab提供给人们的一个强有力的统计分析工具.包含200多个m文件(函数),主要支持以下各方面的内容.〉〉概率分布:提供了20种概率分布,包含离散和连续分布,且每种分布,提供了5个有用的函数,即概率密度函数,累积分布函数,逆累积分布函数,随机产生器与方差计算函数.〉〉参数估计:依据特殊分布的原始数据,可以计算分布参数的估计值及其置信区间.〉〉描述性统计:提供描述数据样本特征的函数,包括位置和散布的度量,分位数估计值和数据处理缺失情况的函数等.〉〉线性模型:针对线性模型,工具箱提供的函数涉及单因素方差分析,双因素方差分析,多重线性回归,逐步回归,响应曲面和岭回归等.〉〉非线性模型:为非线性模型提供的函数涉及参数估计,多维非线性拟合的交互预测和可视化以及参数和预计值的置信区间计算等.〉〉假设检验: 此间提供最通用的假设检验函数:t检验和z检验〉〉其它的功能就不再介绍.统计工具箱函数主要分为两类:〉数值计算函数(M文件)〉交互式图形函数(Gui)matlab惯例:beta 线性模型中的参数，E(x) x的数学期望，f(x|a,b) 概率密度函数，F(x|a,b) 累积分布函数，I([a,b]) 指示(Indicator)函数p,q p事件发生的概率.[size=2][color=blue]第1节概率分布[/color][/size]统计工具箱提供的常见分布Uniform均匀，Weibull威布尔，Noncentral t，Rayleigh瑞利，Poisson泊松，Student's t，Normal 正态，Negative Binomial，Noncentral FLognormal对数，正态，Hyper G，F分布，Gamma，Geometric几何，Noncentral chi-square，Exponential指数，Binomial二项，Chi-squareBeta(分布)，discrete，Continuous，Continuous，离散分布，统计量连续分布，数据连续分布，概率密度函数pdf，probbability density function〉〉功能:可选的通用概率密度函数〉〉格式:Y=pdf('Name',X,A1,A1,A3)'Name' 为特定的分布名称,第一个字母必须大写X 为分布函数自变量取值矩阵A1,A2,A3 分别为相应分布的参数值Y 存放结果,为概率密度值矩阵算例:>> y=pdf('Normal',-2:2,0,1)y =0.0540 0.2420 0.3989 0.2420 0.0540>> Y=pdf('Normal',-2:0.5:2,1,4)Y =0.0753 0.0820 0.0880 0.0930 0.0967 0.0990 0.0997 0.0990 0.0967>> p=pdf('Poisson',0:2:8,2)p =0.1353 0.2707 0.0902 0.0120 0.0009>> p=pdf('F',1:2:10,4,7)p =0.4281 0.0636 0.0153 0.0052 0.0021我们也可以利用这种计算功能和作图功能,绘制一下密度函数曲线,例如,绘制不同的正态分布的密度曲线>> x=[-6:0.05:6];>> y1=pdf('Normal',x,0,0.5);>> y2=pdf('Normal',x,0,1);>> y3=pdf('Normal',x,0,2);>> y4=pdf('Normal',x,0,4);>>plot(x,y1,'K-',x,y2,'K--',x,y3,'*',x,y4,'+')这个程序计算了mu=0,而sigma取不同值时的正态分布密度函数曲线的形态,可以看出,sigma 越大,曲线越平坦.累积分布函数及逆累积分布函数cdf icdf〉〉功能:计算可选分布函数的累积分布和逆累积分布函数〉〉格式:P=cdf('Name',X,A1,A2,A3)X=icdf('Name',P,A1,A2,A3)>> x=[-3:0.5:3];>> p=cdf('Normal',x,0,1)p =0.0013 0.0062 0.0228 0.0668 0.1587 0.3085 0.5000 0.6915 0.8413 0.9332 0.9772 0.9938 0.9987 >> x=icdf('Normal',p,0,1)x =-3.0000 -2.5000 -2.0000 -1.5000 -1.0000 -0.5000 0 0.5000 1.0000 1.5000 2.0000 2.5000 3.0000 随机数产生器random〉〉功能:产生可选分布的随机数〉〉格式:y=random('Name',A1,A2,A3,m,n)A1,A2,A3 分布的参数'Name' 分布的名称m,n 确定y的数量,如果参数是标量,则y是m*n矩阵例如产生服从参数为(9,10)的F-分布的4个随机数值>> y=random('F',9,10,2,2)y =3.4907 1.67620.5702 1.1534均值和方差以'stat'结尾的函数均值和方差的计算函数[m,v]=normstat(mu,sigma)正态分布[mn,v]=hygestat(M,K,N)超几何分布[m,v]=geostat(P)几何分布[m,v]=gamstat(A,B)Gamma分布[m,v]=fstat(v1,v2)F 分布[m,v]=expstat(mu)指数分布[m,v]=chi2stat(nu)Chi-squrare分布[m,v]=binostat(N,P)二项分布[m,v]=betastat(A,B)Beta 分布函数名称及调用格式分布类型名称[m,v]=weibstat(A,B)威尔分布[m,v]=unistat(A,B)连续均匀分布[m,v]=unidstat(N)离散均匀分布[m,v]=tstat(nu)t 分布[m,v]=raylstat(B)瑞利分布[m,v]=poisstat(lambda)泊松分布[m,v]=ncx2stat(nu,delta)非中心chi2分布[m,v]=nctstat(nu,delta)非中心t分布[m,v]=ncfstat(nu1,nu2,delta)非中心F分布[m,v]=nbinstat(R,P)负二项分布[m,v]=lognstat(mu,sigma)对数正态分布[size=2][color=blue]第2节参数估计[/color][/size]参数估计是总体的分布形式已经知道,且可以用有限个参数表示的估计问题.分为点估计(极大似燃估计Maximum likehood estimation, MLE)和区间估计.求取各种分布的最大似然估计估计量mle〉〉格式:phat=mle('dist',data)[phat,pci]=mle('dist',data)[phat,pci]=mle('dist',data,alpha)[phat,pci]=mle('dist',data,alpha,p1)〉〉'dist' 给定的特定分布的名称,'beta','binomial'等.Data为数据样本,矢量形式给出.Alpha用户给定的置信度值,以给出100(1-alpha)%的置信区间,缺省为0.05.最后一种是仅供二项分布参数估计,p1为实验次数.例1 计算beta 分布的两个参数的似然估计和区间估计(alpha=0.1,0.05,0.001),样本由随机数产生.>> random('beta',4,3,100,1);>> [p,pci]=mle('beta',r,0.1)p =4.6613 3.5719pci =3.6721 2.78115.6504 4.3626>> [p,pci]=mle('beta',r,0.05)p =4.6613 3.5719pci =3.4827 2.62965.8399 4.5141>> [p,pci]=mle('beta',r,0.001)p =4.6613 3.5719pci =2.6825 1.99006.6401 5.1538例2 计算二项分布的参数估计与区间估计,alpha=0.01.>> r=random('Binomial',10,0.2,10,1);>> [p,pci]=mle('binomial',r,0.01,10)p =0.2000 0.2000 0.1000 0.4000 0.2000 0.2000 0.4000 0 0.1000 0.2000pci =0.0109 0.0109 0.0005 0.0768 0.0109 0.0109 0.0768 NaN 0.0005 0.01090.6482 0.6482 0.5443 0.8091 0.6482 0.6482 0.8091 0.4113 0.5443 0.6482[size=2][color=blue] 第3节描述统计[/color][/size]描述性统计包括:位置度量,散布度量,缺失数据下的统计处理,相关系数,样本分位数,样本峰度, 样本偏度,自助法等〉〉位置度量:几何均值(geomean),调和均值(harmmean),算术平均值(mean),中位数(median),修正的样本均值(trimean).〉〉散布度量:方差(var),内四分位数间距(iqr),平均绝对偏差(mad),样本极差(range),标准差(std),任意阶中心矩(moment),协方差矩阵(cov).〉〉缺失数据情况下的处理:忽视缺失数据的最大值(nanmax),忽视缺失数据的平均值(nanmean),忽视缺失数据的中位数(nanmedian),忽视缺失数据的最小值(nanmin),忽视缺失数据的标准差(nanstd),忽视缺失数据的和(namsum).〉〉相关系数:corrcoef ,计算相关系数〉〉样本分位数:prctile,计算样本的经验分位数〉〉样本峰度:kurtosis,计算样本峰度〉〉样本偏度:skewness,计算样本偏度〉〉自助法:bootstrp,对样本从新采样进行自助统计中心趋势(位置)度量样本中心趋势度量的目的在于对数据样本在分布线上分布的中心位置予以定为.均值是对中心位置简单和通常的估计量.不幸的是,几乎所有的实际数据都存在野值(输入错误或其它小的技术问题造成的).样本均值对这样的值非常敏感.中位数和修正(剔除样本高值和低值)后的均值则受野值干扰很小.而几何均值和调和均值对野值也较敏感.下面逐个说明这些度量函数. 〉〉geomean功能:样本的几何均值格式:m=geomean(X)若X为向量,则返回X中元素的几何均值;若X位矩阵,给出的结果为一个行向量,即每列几何均值.例1 计算随机数产生的样本的几何均值>> X=random('F',10,10,100,1);>> m=geomean(X)m =1.1007>> X=random('F',10,10,100,5);>> m=geomean(X)m =0.9661 1.0266 0.9703 1.0268 1.0333〉〉harmmean功能:样本的调和均值格式:m=harmmean(X)例2 计算随机数的调和均值>> X=random('Normal',0,1,50,5);>> m=harmmean(X)m =-0.2963 -0.0389 -0.9343 5.2032 0.7122〉〉mean功能:样本数据的算术平均值格式:m=mean(x)例3 计算正态随机数的算术平均数>>X=random('Normal',0,1,300,5);>> xbar=mean(X)xbar =0.0422 -0.0011 -0.0282 0.0616 -0.0080〉〉median功能:样本数据的中值(中位数),是对中心位值的鲁棒估计.格式:m=median(X)例4 计算本的中值>> X=random('Normal',0,1,5,3)X =0.0000 0.8956 0.5689-0.3179 0.7310 -0.25561.0950 0.5779 -0.3775-1.8740 0.0403 -0.29590.4282 0.6771 -1.4751>> m=median(X)m =0.0000 0.6771 -0.2959〉〉trimmean功能:剔除极端数据的样本均值.格式:m=trimmean(X,percent)说明:计算剔除观测值中最高percent%和最低percent%的数据后的均值例5 计算修改后的样本均值>> X=random('F',9,10,100,4);>> m=trimmean(X,10)m =1.1470 1.1320 1.1614 1.0469散布度量散布度量是描述样本中数据离其中心的程度,也称离差.常用的有极差,标准差,平均绝对差,四分位数间距〉〉iqr功能:计算样本的内四分位数的间距,是样本的鲁棒估计格式:y=iqr(X)说明:计算样本的75%和25%的分位数之差,不受野值影响.例6 计算样本的四分位间距>> X=random('Normal',0,1,100,4);>> m=iqr(X)m =1.3225 1.2730 1.3018 1.2322〉〉mad功能:样本数据的平均绝对偏差格式:y=mad(X)说明:正态分布的标准差sigma可以用mad乘以1.3估计例7 计算样本数据的绝对偏差>> X=random('F',10,10,100,4);>> y=mad(X)y =0.5717 0.5366 0.6642 0.7936>> y1=var(X)y1 =0.6788 0.6875 0.7599 1.3240>> y2=y*1.3y2 =0.8824 0.8938 0.9879 1.7212〉〉range功能:计算样本极差格式:y=range(X)说明:极差对野值敏感例8 计算样本值的极差>> X=random('F',10,10,100,4);>> y=range(X)y =10.8487 3.5941 4.2697 4.0814〉〉var功能:计算样本方差格式:y=var(X) y=var(X,1) y=var(X,w)Var(X)经过n-1进行了标准化,Var(X,1)经过n进行了标准变化例9 计算各类方差>> X=random('Normal',0,1,100,4);>> y=var(X)y =0.9645 0.8209 0.9595 0.9295>> y1=var(X,1)y1 =0.9548 0.8126 0.9499 0.9202>> w=[1:1:100];>> y2=var(X,w)y2 =0.9095 0.7529 0.9660 0.9142〉〉std功能:样本的标准差格式:y=std(X)说明:经过n-1标准化后的标准差例10计算随机样本的标准差>> X=random('Normal',0,1,100,4);>> y=std(X)y =0.8685 0.9447 0.9569 0.9977〉〉cov功能:协方差矩阵格式:C=cov(X) C=cov(x,y) C=cov([x y])说明:若X为向量,cov(X)返回一个方差标量;若X为矩阵,则返回协方差矩阵;cov(x,y)与cov([x y])相同,x与y的长度相同.例11 计算协方差>> x=random('Normal',2,4,100,1);>> y=random('Normal',0,1,100,1);>> C=cov(x,y)C =12.0688 -0.0583-0.0583 0.8924处理缺失数据的函数在对大量数据样本时,常常遇到一些无法确定的或者无法找到确切的值.在这种情况下,用符号"NaN"(not a number )标注这样的数据.这种情况下,一般的函数得不到任何信息.例如m中包含nan数据>> m=magic(3);>> m([1 5 9])=[NaN NaN NaN];>> sum(m)ans =NaN NaN NaN但是通过缺失数据的处理,得到有用的信息.>> nansum(m)ans =7 10 13〉〉nanmax功能:忽视NaN,求其它数据的最大值格式:m=nanmax(X)[m,ndx]=nanmax(X)m=nanmax(a,b)说明:nanmax(X)返回X中数据除nan外的其它的数据的最大值,[m,ndx]=nanmax(X)还返回X 最大值的序号给ndx.m=nanmax(a,b)返回a或者b的最大值,a,b长度同>> m=magic(3);>> m([1 5 9])=[NaN NaN NaN];>> [m,ndx]=nanmax(m)m =4 9 7ndx =3 3 2处理缺失数据的常用函数Y=nansum(X)求包含确实数据的和nansumY=nanstd(X)求包含确实数据的标准差NanstdY=nanmedian(X)求包含确实数据中位数NanmedianY=nanmean(X)求包含确实数据的平均值Nanmean同上求包含确实数据的最小值Nanmin(略)求包含确实数据的最大值Nanmax调用格式功能函数名称中心矩moment功能:任意阶的中心矩格式:m=moment(X,order)说明:order为阶,函数本身除以X的长度例12 计算样本函数的中心矩>> X=random('Poisson',2,100,4);>> m=moment(X,1)m =0 0 0 0>> m=moment(X,2)m =1.76042.0300 1.6336 2.3411>> m=moment(X,3)m =1.37792.5500 2.3526 2.2964百分位数及其图形描述白分位数图形可以直观观测到样本的大概中心位置和离散程度,可以对中心趋势度量和散布度量作补充说明〉〉prctile功能:计算样本的百分位数格式:y=prctile(X,p)说明:计算X中数据大于P%的值,P的取值区间为[0,100],如果X为向量,返回X中P百分位数;X 为矩阵,给出一个向量;如果P为向量,则y的第i个行对应于X的p(i) 百分位数.例如>> x=(1:5)'*(1:5)x =1 2 3 4 52 4 6 8 103 6 9 12 154 8 12 16 205 10 15 20 25>> y=prctile(x,[25,50,75])y =1.7500 3.5000 5.2500 7.0000 8.75003.0000 6.0000 9.0000 12.0000 15.00004.2500 8.5000 12.7500 17.0000 21.2500做出相应的百分位数的图形>> boxplot(x)5列分位数构造5个盒图,见下页.相关系数corrcoef功能:相关系数格式:R=corrcoef(X)例13 合金的强度y与含碳量x的样本如下,试计算r(x,y).>> X=[41 42.5 45 45.5 45 47.5 49 51 50 55 57.5 59.5;0.1,0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.20 0.22 0.24]';>> R=corrcoef(X)R =1.0000 0.98970.9897 1.0000样本峰度kurtosis功能:样本峰度格式:k=kurtosis(X)说明:峰度为单峰分布区线" 峰的平坦程度"的度量,其定义为Matlab 工具箱中峰度不采用一般定义(k-3,标准正态分布的峰度为0).而是定义标准正态分布峰度为3,曲线比正态分布平坦,峰度大于3,反之,小于3.例14 计算随机样本的峰度>> X=random('F',10,20,100,4);>> k=kurtosis(X)k =6.5661 5.58516.03497.0129样本偏度skewness功能:样本偏度格式:y=skewness(X)说明:偏度是度量样本围绕其均值的对称情况.如果偏度为负,则数据分布偏向左边,反之,偏向右边.其定义为>> X=random('F',9,10,100,4);>> y=skewness(X)y =1.0934 1.55132.0522 2.9240自助法bootstrap引例:一组来自15个法律学校的学生的lsat分数和gpa进行比较的样本.> load lawdata>> x=[lsat gpa]x =576.0000 3.3900635.0000 3.3000558.0000 2.8100578.0000 3.0300666.0000 3.4400580.0000 3.0700555.0000 3.0000661.0000 3.4300651.0000 3.3600605.0000 3.1300653.0000 3.1200575.0000 2.7400545.0000 2.7600572.0000 2.8800594.0000 2.9600绘图,并进行曲线拟合>> plot(lsat,gpa,'+')>> lsline通过上图的拟合可以看出,lsat随着gpa增长而提高,但是我们确信此结论的程度是多少曲线只给出了直观表现,没有量的表示.计算相关系数>> y=corrcoef(lsat,gpa)y =1.0000 0.77640.7764 1.0000相关系数是0.7764,但是由于样本容量n=15比较小,我们仍然不能确定在统计上相关的显著性多大.应此,必须采用bootstrp函数对lsat和gpa样本来从新采样,并考察相关系数的变化. >> y1000=bootstrp(1000,'corrcoef',lsat,gpa);>> hist(y1000(:,2),30)绘制lsat,gpa和相关系数得直方图如下结果显示,相关系数绝大多数在区间[0.4,1] 内,表明lsat分数和gpa具有确定的相关性,这样的分析,不需要对象关系数的概率分布做出很强的假设.[size=2] [color=blue]第4节假设检验[/color][/size]基本概念H0:零假设,即初始判断.H1:备择假设, 也称对立假设.Alpha :显著水平,在小样本的前提下,不能肯定自己的结论,所以事先约定,如果观测到的符合零假设的样本值的概率小于alpha,则拒绝零假设.典型的显著水平取alpha=0.05.如果想减少犯错误的可能,可取更小的值.P-值:在零假设为真的条件下,观测给定样本结果的概率值.如果Pmu tail=-1——x>x =[119 117 115 116 112 121 115 122 116 118 109 112 119 112 117 113 114 109 109 118];>> h=ztest(x,115,4)h =表明,接受H0,认为该种汽油的平均价格为115美分.>> [h,sig,ci]=ztest(x,115,4,0.01,0)h = 0sig =0.8668ci =112.8461 117.4539>> [h,sig,ci]=ztest(x,115,4,0.01,1)h =0sig =0.4334ci =113.0693 Inf>> [h,sig,ci]=ztest(x,115,4,0.01,-1)h=0sig =0.5666ci =-Inf 117.2307Ttest功能:单一样本均值的t检验格式:h=ttest(x,m)h=ttest(x,m,alpha)[h,sig,ci]=ttest(x,m,alpha,tail)说明:用于正态总体标准差未知时对均值的t检验.Tail功能与ztest作用一致.>> x=random('Normal',0,1,100,1);>> [h,sig,ci]=ttest(x,0,0.01,-1)h =sig =0.0648ci =-Inf 0.0808>> [h,sig,ci]=ttest(x,0,0.001,1)h =sig =0.9352ci =-0.4542 InfSigntest功能:成对样本的符号检验格式:p=signtest(x,y,alpha)[p,h]=signtest(x,y,alpha)说明:p给出两个配对样本x和y的中位数(对于正态分布,中位数,就是平均值.相等的显著性概率.X与y的长度相等.Y也可以为标量,计算x的中位数与常数y之间差异的概率.[p,h]返回结果h.如果这样两个样本的中位数之间差几乎为0,则h=0,否则有显著差异,则h=1.>> x=[0 1 0 1 1 1 1 0 1 0];>> y=[1 1 0 0 0 0 1 1 0 0];>> [p,h]=signtest(x,y,0.05)p =0.6875h =Signrank功能:威尔科克符号秩检验格式:p=signrank(x,y,alpha)[p,h]=signrank(x,y,alpha)说明:p给出两个配对样本x和y的中位数(对于正态分布,中位数和均值等)相等的假设的显著性的概率.X与y的长度相同.[p,h]返回假设检验的结果,如果两个样本的中位数之差极护卫零,则h=0;否则,有显著差异,则h=1.>> x=random('Normal',0,1,200,1);>> y=random('Normal',0.1,2,200,1);>> [p,h]=signrank(x,y,0.05)p =0.9757h =Ranksum功能:两个总体一致性的威尔科克秩和的检验格式:p=ranksum(x,y,alpha)[p,h]=ranksum(x,y,alpha)说明:p返回两个总体样本x和y一致的显著性概率.X和y的长度可以不同.但长度长的排在前面.[p,h]返回检验结果,如果总体x和y并非明显不一致,返回h=0,否则,h=1.>> x=random('Normal',0,2,20,1);>> y=random('Normal',0.1,4,10,1);>> [p,h]=ranksum(x,y,0.05)p =0.7918h =[size=2] [color=blue]第5节统计绘图[/color][/size]统计绘图就是用图形表达函数,以便直观地,充分的表现样本及其统计量的内在本质性. Box图功能:数据样本的box图格式:boxplot(X) boxplot(X,notch) boxplot(X,notch,'sym')boxplot(X,notch,'sym,vert) boxplot(X,notch,'sym',vert,whis)说明1:"盒子"的上底和下底间为四分位间距,"盒子"的上下两条线分别表示样本的25%和75%分位数."盒子"中间线为样本中位数.如果盒子中间线不在盒子中间,表示样本存在一定的篇度.虚线贯穿"盒子"上下,表示样本的其余部分(除非有野值).样本最大值为虚线顶端,样本最小值为虚线底端.用"+"表示野值."切口"是样本的置信区间,却省时,没有切口说明2:notch=0,盒子没有切口,notch=1,盒子有切口;'sym'为野值标记符号,缺省时,"+"表示.Vert=0时候,box图水平放置,vert=1时,box图垂直放置.Whis定义虚线长度为内四分位间距(IQR)的函数(缺省时为1.5*IQR),若whis=0,box图用'sym'规定的记号显示盒子外所有数据. >> x1=random('Normal',2,1,100,1);>> x2=random('Normal',1,2,100,1);>> x=[x1 x2];>> boxplot(x,1,'*',1,0)绘图结果见下页Errorbar 误差条图功能:误差条图格式:errorbar(X,Y,L,U,symbol)errorbar(X,Y,L)errorbar(Y,L)说明:误差条是距离点(X,Y)上面的长度为U(i) ,下面的长度为L(i) 的直线.X,Y,L,U的长度必须相同.Symbol为一字符串,可以规定线条类型,颜色等.>> U=ones(20,1);>> L=ones(20,1);>> errorbar(r1,r2,L,U,'+')>> r1=random('Poisson',2,10,1);>>r2=random('Poisson',10,10,1);>> U=ones(10,1);>> L=U;>> errorbar(r1,r2,L,U,'+')Lsline 绘制最小二乘拟合线功能:绘制数据的最小二乘拟合曲线格式:lslineh=lsline说明:lsline为当前坐标系中的每一个线性数据给出其最小二乘拟合线.>> y=[2 3.4 5.6 8 11 12.3 13.8 16 18.8 19.9]';>> plot(y,'+')>> lslineRefcurve 参考多项式功能:在当前图形中给出多项式拟合曲线格式:h=refcurve(p)说明:在当前图形中给出多项式p(系数向量)的曲线,n阶多项式为y=p1*x^n+p2*x^(n-1)+…+pn*x+p0则p=[p1 p2 … pn p0]>> h=[85 162 230 289 339 381 413 437 452 458 456 440 400 356];>> plot(h,'+')>> refcurve([-4.9,100,0])。
matlab工具箱下载安装和使用方法的汇总Toolbox大全
matlab工具箱下载安装和使用方法的汇总Toolbox大全Maplesoft《Maple Toolbox for MATLAB》Sergiy Iglin《Graph Theory Toolbox》(图论工具箱)Koert Kuipers《Branch And Bound toolbox 2.0》(BNB20分支定界工具箱)Howard Wilson《Numerical Integration T oolbox》(NIT数值积分工具箱)Anton Zaicenco《FEM toolbox for solid mechanics》(固体力学有限元工具箱)Nicholas J. Higham《The Matrix Computation Toolbox》(矩阵计算工具箱)Paolo Di Prodi《robotic toolbox》(机器人工具箱)Moein Mehrtash《GPS Navigation T oolbox 》(GPS导航工具箱)J.Divahar 《Airfoil_Analyzer_toolbox》(翼型分析工具箱)Rasmus Anthin《Multivariable Calculus T oolbox 》(多变量微积分工具箱)《Time frequency analysis toolbox》(时频分析工具箱)Johan L?fberg《Yet A LMI Package》(YLMIP优化工具箱)NCSU-IE 《Genetic Algorithm Optimization Toolbox 》(GAOT 遗传算法优化工具箱)Dahua Lin《Statistical Learning Toolbox》(统计学习工具箱)Richard Frost《Simulated Annealing Tools 》(satools模拟退火工具箱)陈益《simple genetic algorithms laboratory》(SGALAB简单遗传算法实验室)Eric Debreuve《Active Contour Toolbox》(主动轮廓线工具箱)Alaa Tharwat《Alaa Tharwat ToolBox》(模式识别&数字图像处理工具箱)Brian Birge《Particle Swarm Optimization T oolbox》(PSO粒子群优化工具箱)Hartmut Pohlheim《Genetic and Evolutionary Algorithm toolbox》(遗传和进化工具箱)Gonzalez《DIPUM Toolbox》(数字图像处理工具箱)Jouni Hartikainen《EKF/UKF Toolbox for Matlab》(扩展卡曼滤波工具箱)Frederic Moisy《EzyFit toolbox 2.20》(快速拟合工具箱)Constell,Inc《Constellation T oolbox for Matlab》(星座工具箱和手册)Kevin Murphy《Hidden Markov Model (HMM) T oolbox》(隐马尔可夫模型工具箱)Janos Abonyi《Fuzzy Cluster Analysis Toolbox》(模糊聚类和数据分析工具箱)Ben Barrowes《Mathematica Symbolic Toolbox for MATLAB》《Math modl toolbox》(数学建模工具箱)Zoubin Ghahramani《Machine Learning Toolbox》(机器学习，主要是HMM)Sheffield《genetic arithmetic toolbox》(GATBX遗传算法工具箱)Gerald Recktenwald 《Numerical Methods with MATLAB》(NMM1.5数值分析工具箱)Matlab数据关联规则挖掘的工具箱（箱内含使用手册）分享与讨论Martin Ohlin《TrueTime-1.5 Toolbox》Evan Ruzanski《Comprehensive DSP Toolbox v1.0》(综合数字信号处理工具箱)Minh Do《Contourlet toolbox》(Contourlet变换影像处理工具箱)Mike Brookes《Voice box》(语音处理工具箱)Mike Craymer《Geodetic T oolbox》(大地测量学工具箱)Ian Nabney《Pattern analysis toolbox》(Netlab模式分析工具箱)Gabriel Peyre《Toolbox Fast Marching》(快速步进工具箱)John Buck《Computer Explorations Toolbox》(数字信号和系统工具箱)Eric Debreuve《Active Contour Toolbox》(主动轮廓线工具箱)Rasmus Anthin《Finite Element T oolbox 2.1》(有限元工具箱)。
MATLAB的一些有用的工具箱
MATLAB是很多人经常使用的“懒人”编程软件了。
可是大家是不是有时候仍然觉得他的功能不够强大呢？提供给大家一些matlab的软件toolbox，使得大家在做应用的时候更加得心应手吧。
ZSM (zero sum multinomial)/zsmcode.htmlBinaural-modeling software for MATLAB/Windows/home/Michael_Akeroyd/download2.htmlStatistical Parametric Mapping (SPM)/spm/ext/BOOTSTRAP MATLAB TOOLBOX.au/downloads/bootstrap_toolbox.htmlThe DSS package for MATLABDSS Matlab package contains algorithms for performing linear, deflation and symmet ric DSS.http://www.cis.hut.fi/projects/dss/package/Psychtoolbox/download.htmlMultisurface Method Tree with MATLAB/~olvi/uwmp/msmt.htmlA Matlab Toolbox for every single topic !/~baum/toolboxes.htmleg. BrainStorm - MEG and EEG data visualization and processingCLAWPACK is a software package designed to compute numerical solutions to hyper bolic partial differential equations using a wave propagation approach/~claw/Fusetool - Image Fusion Toolboxhttp://www.metapix.de/toolbox.htmTSTOOL is a MATLAB software package for nonlinear time series analysis.TSTOOL can be used for computing: Time-delay reconstruction, Lyapunov exponents, Fractal dimensions, Mutual information, Surrogate data tests, Nearest neighbor stati stics, Return times, Poincare sections, Nonlinear predictionhttp://www.physik3.gwdg.de/tstool/MATLAB / Data description toolboxA Matlab toolbox for data description, outlier and novelty detectionMarch 26, 2004 - D.M.J. Taxhttp://www-ict.ewi.tudelft.nl/~davidt/dd_tools/dd_manual.html。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab常用工具箱MATLAB包括拥有数百个内部函数的主包和三十几种工具包。
工具包又可以分为功能性工具包和学科工具包。
功能工具包用来扩充MATLAB的符号计算，可视化建模仿真，文字处理及实时控制等功能。
学科工具包是专业性比较强的工具包，控制工具包，信号处理工具包，通信工具包等都属于此类。
开放性使MATLAB广受用户欢迎。
除内部函数外，所有MATLAB主包文件和各种工具包都是可读可修改的文件，用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。
Matlab Main Toolbox——matlab主工具箱
Control System Toolbox——控制系统工具箱
Communication Toolbox——通讯工具箱
Financial Toolbox——财政金融工具箱
System Identification Toolbox——系统辨识工具箱
Fuzzy Logic Toolbox——模糊逻辑工具箱
Higher-Order Spectral Analysis Toolbox——高阶谱分析工具箱
Image Processing Toolbox——图象处理工具箱
LMI Control Toolbox——线性矩阵不等式工具箱
Model predictive Control Toolbox——模型预测控制工具箱
μ-Analysis and Synthesis Toolbox——μ分析工具箱
Neural Network Toolbox——神经网络工具箱
Optimization Toolbox——优化工具箱
Partial Differential Toolbox——偏微分方程工具箱
Robust Control Toolbox——鲁棒控制工具箱
Signal Processing Toolbox——信号处理工具箱
Spline Toolbox——样条工具箱
Statistics Toolbox——统计工具箱
Symbolic Math Toolbox——符号数学工具箱
Simulink Toolbox——动态仿真工具箱
Wavele Toolbox——小波工具箱[编辑本段]常用函数Matlab内部常数[3]
eps：浮点相对精度
exp：自然对数的底数e
i 或j：基本虚数单位
inf 或Inf：无限大，例如1/0
nan或NaN：非数值（Not a number），例如0/0
pi：圆周率p（= 3.1415926...）
realmax：系统所能表示的最大数值
realmin：系统所能表示的最小数值
nargin: 函数的输入引数个数
nargout: 函数的输出引数个数
lasterr：存放最新的错误信息
lastwarn：存放最新的警告信息
MATLAB常用基本数学函数
abs(x)：纯量的绝对值或向量的长度
angle(z)：复数z的相角(Phase angle)
sqrt(x)：开平方
real(z)：复数z的实部
imag(z)：复数z的虚部
conj(z)：复数z的共轭复数
round(x)：四舍五入至最近整数
fix(x)：无论正负，舍去小数至最近整数
floor(x)：地板函数，即舍去正小数至最近整数ceil(x)：天花板函数，即加入正小数至最近整数rat(x)：将实数x化为分数表示
rats(x)：将实数x化为多项分数展开
sign(x)：符号函数(Signum function)。
当x<0时，sign(x)=-1；
当x=0时，sign(x)=0;
当x>0时，sign(x)=1。
rem(x,y)：求x除以y的馀数
gcd(x,y)：整数x和y的最大公因数
lcm(x,y)：整数x和y的最小公倍数
exp(x) ：自然指数
pow2(x)：2的指数
log(x)：以e为底的对数，即自然对数或
log2(x)：以2为底的对数
log10(x)：以10为底的对数
MATLAB常用三角函数
sin(x)：正弦函数
cos(x)：余弦函数
tan(x)：正切函数
asin(x)：反正弦函数
acos(x)：反余弦函数
atan(x)：反正切函数
atan2(x,y)：四象限的反正切函数
sinh(x)：双曲正弦函数
cosh(x)：双曲余弦函数
tanh(x)：双曲正切函数
asinh(x)：反双曲正弦函数
acosh(x)：反双曲余弦函数
atanh(x)：反双曲正切函数
适用于向量的常用函数有
min(x): 向量x的元素的最小值
max(x): 向量x的元素的最大值
mean(x): 向量x的元素的平均值
median(x): 向量x的元素的中位数
std(x): 向量x的元素的标准差
diff(x): 向量x的相邻元素的差
sort(x): 对向量x的元素进行排序（Sorting）length(x): 向量x的元素个数
norm(x): 向量x的欧氏（Euclidean）长度
sum(x): 向量x的元素总和
prod(x): 向量x的元素总乘积
cumsum(x): 向量x的累计元素总和
cumprod(x): 向量x的累计元素总乘积
dot(x, y): 向量x和y的内积
cross(x, y): 向量x和y的外积
MATLAB基本绘图函数
plot: x轴和y轴均为线性刻度（Linear scale）loglog: x轴和y轴均为对数刻度（Logarithmic scale）semilogx: x轴为对数刻度，y轴为线性刻度semilogy: x轴为线性刻度，y轴为对数刻度
matlab插值和样条plot绘图函数的参数
字元颜色字元图线型态
y 黄色. 点
k 黑色o 圆
w 白色x x
b 蓝色+ +
g 绿色* *
r 红色- 实线
c 亮青色: 点线
m 锰紫色-. 点虚线
-- 虚线
注解
xlabel('Input Value'); % x轴注解
ylabel('Function Value'); % y轴注解
title('Two Trigonometric Functions'); % 图形标题legend('y = sin(x)','y = cos(x)'); % 图形注解
grid on; % 显示格线
二维绘图函数
bar 长条图
errorbar 图形加上误差范围
fplot 较精确的函数图形
polar 极座标图
hist 累计图
rose 极座标累计图
stairs 阶梯图
stem 针状图
fill 实心图
feather 羽毛图
compass 罗盘图
quiver 向量场图[4]。