多維整數(shù)線性規(guī)劃使用lingo更方便

dist——?dú)W式距離加權(quán)函數(shù)（Euclidean distance weight function）

語法：

? ? Z = dist(W,P)
? ? df = dist('deriv')
? ? D = dist(pos)

描述：dist是一個歐式距離加權(quán)函數(shù)，給一個輸入使用權(quán)值，去獲得加權(quán)的輸入。

1、dist(W,P)中：W——S×R的權(quán)值矩陣；P——R×Q的矩陣，表示Q個輸入（列）向量

2、dist('deriv')返回‘’，因為dist沒有導(dǎo)函數(shù)。

3、dist也是一個層距離函數(shù)，可以被用來尋找一層中神經(jīng)元之間的距離。

? ? ?dist(pos)輸入一個參數(shù)，pos——N×S的神經(jīng)元位置矩陣，返回S×S的距離矩陣

例子： ?

1、這里，我們定義一個隨機(jī)權(quán)重矩陣W，以及輸入向量P，并且計算相應(yīng)的加權(quán)輸入Z

? ? ? ?W = rand(4,3);
? ? ? ?P = rand(3,1);
? ? ? ?Z = dist(W,P)

2、我們定義10個神經(jīng)元的隨機(jī)的位置矩陣，并且尋找他們的距離,這些神經(jīng)元是在3維空間中的。

? ? ? ?pos = rand(3,10);

? ? ? ?D = dist(pos)

?綜上可知：

dist可以計算樣本集中多個樣本兩兩之間的距離矩陣。

對于圖像I，將其分成n個超像素，每個超像素的特征有3維，那么形成3×n的超像素特征矩陣M，每列表示一個超像素。

此時，使用dist(M)，就會得到一個n×n的矩陣N，其中的元素Nij表示的是第i個超像素和第j個超像素特征之間的歐式距離。

MATLAB輸出變量方法很多，主要包括以下幾類。
（1）語句后面不加分號“;”，這是直接輸出數(shù)值的比較簡單的方法。
（2）disp(a)直接在命令窗口顯示a變量，這種方法輸出和第一種差不多。
（3）fprintf('a=%f',a)格式控制輸出，輸出'a='然后再顯示輸出的變量。
（4）save(dir+name,'變量名')保存輸出到某個文件中去，可以將數(shù)值保存。

點(diǎn)運(yùn)算是處理的元素之間的運(yùn)算，而直接的/在矩陣計算中只能處理符合矩陣運(yùn)算法則的運(yùn)算。比如作圖時的運(yùn)算用的都是點(diǎn)運(yùn)算。在對數(shù)值計算時，“./”和“/”其實是沒有區(qū)別的。
例如對于矩陣A=[a b c d]，1./A=[1/a 1/b 1/c 1/d]，而1/A表示的是A的逆

Y = asind(X)

返回?X?的元素的反正弦 (sin-1)（以度為單位）。該函數(shù)的域和范圍包含復(fù)數(shù)值。對于?X?在域 [-1,1] 中的實數(shù)元素，asind?返回位于范圍 [-90,90] 中的值。對于?X?在此域之外的值，asind?返回復(fù)數(shù)值。

說明 1 的反正弦正好是 90°。

asind(1) ans = 90

非線性規(guī)劃用fmincon

nonlcon是用M文件定義的非線性向量函數(shù)c(x),ceq(x)

總結(jié)

以上是生活随笔為你收集整理的matlab学习（二）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。