鑒于：

A_1 = [10 200 7 150]';

A_2 = [0.001 0.450 0.007 0.200]';

(正如其他人已經指出的)有簡單的計算相關性的工具，最明顯的是：

corr(A_1, A_2); %Returns 0.956766573975184 (Requires stats toolbox)

您還可以使用基礎Matlab的corrcoef函數，如下所示：

M = corrcoef([A_1 A_2]): %Returns [1 0.956766573975185; 0.956766573975185 1];

M(2,1); %Returns 0.956766573975184

哪個與cov功能密切相關：

cov([condition(A_1) condition(A_2)]);

當你幾乎得到你原來的問題，你可以自己縮放和調整矢量，如果你想要的，這更好地了解發生了什么。首先創建一個減去平均值的條件函數，并將其除以標準差：

condition = @(x) (x-mean(x))./std(x); %Function to subtract mean AND normalize standard deviation

那么相關性似乎是(A_1 * A_2)/(A_1 ^ 2)，像這樣：

(condition(A_1)' * condition(A_2)) / sum(condition(A_1).^2); %Returns 0.956766573975185

通過對稱，這也應該有效

(condition(A_1)' * condition(A_2)) / sum(condition(A_2).^2); %Returns 0.956766573975185

而且它。

我相信，但是現在沒有能力來確認，當處理多維輸入時，相同的數學可以用于計算相關性和互相關項，只要在處理尺寸和方向時輸入數組。

總結

以上是生活随笔為你收集整理的matlab 两个向量的交集,matlab – 两个向量之间的相关性？的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。