最近鄰演算法matlab
A. 求助matlab高手翻譯程序
例如：使用文本界面
這里是一個例子，使用文本界面。圖形界面足夠的用途，所以你不可能使用文本界面。然而，看一看，現有的演算法列表，以下。
##載入數據集
>>負荷數據/雲
>>誰
名稱的大小位元組級
distribution_parameters歐盤1464結構數組
模式2x雙陣列
目標1x雙陣列
總計為15076個元素使用個位元組
數據集存儲在變數中，模式和目標。
##選擇試驗方法，訓練數據和測試數據
%使畫根據錯誤的選擇方法
>>=長度（目標）；
%=20；
[test_indices，train_indices]=make_a_draw（樓（%/100 *我），我）；
train_patterns=模式（train_indices：，）；
train_targets=目標（：，train_indices）；
test_patterns=模式（test_indices：，）；
test_targets=目標（：，test_indices）；
##選擇分類器。找出參數使用幫助<分類器名稱>
>>幫助nearest_neighbor
利用最近鄰演算法分類
輸入：
train_patterns-訓練模式
train_targets-訓練目標
test_patterns-測試模式
最近鄰-鄰居數
輸出
test_targets-預測目標
##建立分類和分類數據
>>test_out=nearest_neighbor（train_patterns，train_targets，test_patterns，3）；
##估計誤差
>>=平均（test_targets~=test_out）
誤差=
0.1313
B. 用matlab 三次多項式函數插值演算法怎麼寫 或者說下設計思路 設計主要結構 功能模塊 流程
看看這個能不能幫到你：Matlab中插值函數匯總和使用說明:MATLAB中的插值函數為interp1，其調用格式為：yi=interp1(x,y,xi,'method')其中x，y為插值點，yi為在被插值點xi處的插值結果；x,y為向量，'method'表示採用的插值方法，MATLAB提供的插值方法有幾種：'nearest'是最鄰近插值，'linear'線性插值；'spline'三次樣條插值；'cubic'立方插值．預設時表示線性插值。注意：所有的插值方法都要求x是單調的，並且xi不能夠超過x的范圍。例如：在一天24小時內，從零點開始每間隔2小時測得的環境溫度數據分別為12，9，9，10，18，24，28，27，25，20，18，15，13，推測中午12點（即13點）時的溫度．x=0:2:24;y=[129910182428272520181513];a=13;y1=interp1(x,y,a,'spline')結果為：27.8725若要得到一天24小時的溫度曲線，則：xi=0:1/3600:24;yi=interp1(x,y,xi,'spline');plot(x,y,'o',xi,yi)命令1interp1功能一維數據插值（表格查找）。該命令對數據點之間計算內插值。它找出一元函數f(x)在中間點的數值。其中函數f(x)由所給數據決定。x：原始數據點Y：原始數據點xi：插值點Yi：插值點格式(1)yi=interp1(x,Y,xi)返回插值向量yi，每一元素對應於參量xi，同時由向量x與Y的內插值決定。參量x指定數據Y的點。若Y為一矩陣，則按Y的每列計算。yi是階數為length(xi)*size(Y,2)的輸出矩陣。(2)yi=interp1(Y,xi)假定x=1:N，其中N為向量Y的長度，或者為矩陣Y的行數。(3)yi=interp1(x,Y,xi,method)用指定的演算法計算插值：』nearest』：最近鄰點插值，直接完成計算；』linear』：線性插值（預設方式），直接完成計算；』spline』：三次樣條函數插值。對於該方法，命令interp1調用函數spline、ppval、mkpp、umkpp。這些命令生成一系列用於分段多項式操作的函數。命令spline用它們執行三次樣條函數插值；』pchip』：分段三次Hermite插值。對於該方法，命令interp1調用函數pchip，用於對向量x與y執行分段三次內插值。該方法保留單調性與數據的外形；』cubic』：與』pchip』操作相同；』v5cubic』：在MATLAB5.0中的三次插值。對於超出x范圍的xi的分量，使用方法』nearest』、』linear』、』v5cubic』的插值演算法，相應地將返回NaN。對其他的方法，interp1將對超出的分量執行外插值演算法。(4)yi=interp1(x,Y,xi,method,'extrap')對於超出x范圍的xi中的分量將執行特殊的外插值法extrap。(5)yi=interp1(x,Y,xi,method,extrapval)確定超出x范圍的xi中的分量的外插值extrapval，其值通常取NaN或0。例1>>x=0:10;y=x.*sin(x);>>xx=0:.25:10;yy=interp1(x,y,xx);>>plot(x,y,'kd',xx,yy)例2>>year=1900:10:2010;>>proct=[75.99591.972105.711123.203131.669150.697179.323203.212226.505249.633256.344267.893];>>p1995=interp1(year,proct,1995)>>x=1900:1:2010;>>y=interp1(year,proct,x,'pchip');>>plot(year,proct,'o',x,y)插值結果為：p1995=252.9885命令2interp2功能二維數據內插值（表格查找）格式(1)ZI=interp2(X,Y,Z,XI,YI)返回矩陣ZI，其元素包含對應於參量XI與YI（可以是向量、或同型矩陣）的元素，即Zi(i,j)←[Xi(i,j),yi(i,j)]。用戶可以輸入行向量和列向量Xi與Yi，此時，輸出向量Zi與矩陣meshgrid(xi,yi)是同型的。同時取決於由輸入矩陣X、Y與Z確定的二維函數Z=f(X,Y)。參量X與Y必須是單調的，且相同的劃分格式，就像由命令meshgrid生成的一樣。若Xi與Yi中有在X與Y范圍之外的點，則相應地返回nan（NotaNumber）。(2)ZI=interp2(Z,XI,YI)預設地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一種情形進行計算。(3)ZI=interp2(Z,n)作n次遞歸計算，在Z的每兩個元素之間插入它們的二維插值，這樣，Z的階數將不斷增加。interp2(Z)等價於interp2(z,1)。(4)ZI=interp2(X,Y,Z,XI,YI,method)用指定的演算法method計算二維插值：』linear』：雙線性插值演算法（預設演算法）；』nearest』：最臨近插值；』spline』：三次樣條插值；』cubic』：雙三次插值。例3：>>[X,Y]=meshgrid(-3:.25:3);>>Z=peaks(X,Y);>>[XI,YI]=meshgrid(-3:.125:3);>>ZZ=interp2(X,Y,Z,XI,YI);>>surfl(X,Y,Z);holdon;>>surfl(XI,YI,ZZ+15)>>axis([-33-33-520]);shadingflat>>holdoff例4：>>years=1950:10:1990;>>service=10:10:30;>>wage=[150.697199.592187.625179.323195.072250.287203.212179.092322.767226.505153.706426.730249.633120.281598.243];>>w=interp2(service,years,wage,15,1975)插值結果為：w=190.6288命令3interp3功能三維數據插值（查表）格式(1)VI=interp3(X,Y,Z,V,XI,YI,ZI)找出由參量X,Y,Z決定的三元函數V=V(X,Y,Z)在點（XI,YI,ZI）的值。參量XI,YI,ZI是同型陣列或向量。若向量參量XI,YI,ZI是不同長度，不同方向（行或列）的向量，這時輸出參量VI與Y1,Y2,Y3為同型矩陣。其中Y1,Y2,Y3為用命令meshgrid(XI,YI,ZI)生成的同型陣列。若插值點(XI,YI,ZI)中有位於點(X,Y,Z)之外的點，則相應地返回特殊變數值NaN。(2)VI=interp3(V,XI,YI,ZI)預設地，X=1:N，Y=1:M，Z=1：P，其中，[M,N,P]=size(V)，再按上面的情形計算。(3)VI=interp3(V,n)作n次遞歸計算，在V的每兩個元素之間插入它們的三維插值。這樣，V的階數將不斷增加。interp3(V)等價於interp3(V,1)。(4)VI=interp3(,method)%用指定的演算法method作插值計算：『linear』：線性插值（預設演算法）；『cubic』：三次插值；『spline』：三次樣條插值；『nearest』：最鄰近插值。說明在所有的演算法中，都要求X,Y,Z是單調且有相同的格點形式。當X,Y,Z是等距且單調時，用演算法』*linear』，』*cubic』，』*nearest』，可得到快速插值。例5>>[x,y,z,v]=flow(20);>>[xx,yy,zz]=meshgrid(.1:.25:10,-3:.25:3,-3:.25:3);>>vv=interp3(x,y,z,v,xx,yy,zz);>>slice(xx,yy,zz,vv,[69.5],[12],[-2.2]);shadinginterp;colormapcool命令4interpft功能用快速Fourier演算法作一維插值格式(1)y=interpft(x,n)返回包含周期函數x在重采樣的n個等距的點的插值y。若length(x)=m，且x有采樣間隔dx，則新的y的采樣間隔dy=dx*m/n。注意的是必須n≥m。若x為一矩陣，則按x的列進行計算。返回的矩陣y有與x相同的列數，但有n行。(2)y=interpft(x,n,dim)沿著指定的方向dim進行計算命令5griddata功能數據格點格式(1)ZI=griddata(x,y,z,XI,YI)用二元函數z=f(x,y)的曲面擬合有不規則的數據向量x,y,z。griddata將返回曲面z在點（XI,YI）處的插值。曲面總是經過這些數據點（x,y,z）的。輸入參量（XI,YI）通常是規則的格點（像用命令meshgrid生成的一樣）。XI可以是一行向量，這時XI指定一有常數列向量的矩陣。類似地，YI可以是一列向量，它指定一有常數行向量的矩陣。(2)[XI,YI,ZI]=griddata(x,y,z,xi,yi)返回的矩陣ZI含義同上，同時，返回的矩陣XI,YI是由行向量xi與列向量yi用命令meshgrid生成的。(3)[XI,YI,ZI]=griddata(.,method)用指定的演算法method計算：『linear』：基於三角形的線性插值（預設演算法）；『cubic』：基於三角形的三次插值；『nearest』：最鄰近插值法；『v4』：MATLAB4中的griddata演算法。命令6spline功能三次樣條數據插值格式(1)yy=spline(x,y,xx)對於給定的離散的測量數據x,y（稱為斷點），要尋找一個三項多項式y=p(x)，以逼近每對數據(x,y)點間的曲線。過兩點(xi,yi)和(xi+1,yi+1)只能確定一條直線，而通過一點的三次多項式曲線有無窮多條。為使通過中間斷點的三次多項式曲線具有唯一性，要增加兩個條件（因為三次多項式有4個系數）：a．三次多項式在點(xi,yi)處有：p¢i(xi)=p¢i(xi)；b．三次多項式在點(xi+1,yi+1)處有：p¢i(xi+1)=pi¢(xi+1)；c．p(x)在點(xi,yi)處的斜率是連續的（為了使三次多項式具有良好的解析性，加上的條件）；d．p(x)在點(xi,yi)處的曲率是連續的；對於第一個和最後一個多項式，人為地規定如下條件：①．p¢1¢(x)=p¢2¢(x)②．p¢n¢(x)=p¢n¢-1(x)上述兩個條件稱為非結點(not-a-knot)條件。綜合上述內容，可知對數據擬合的三次樣條函數p(x)是一個分段的三次多項式：ïïîïïí죣££££=nnn+1223112p(x)xxxp(x)xxxp(x)xxxp(x)LLLL其中每段pi(x)都是三次多項式。該命令用三次樣條插值計算出由向量x與y確定的一元函數y=f(x)在點xx處的值。若參量y是一矩陣，則以y的每一列和x配對，再分別計算由它們確定的函數在點xx處的值。則yy是一階數為length(xx)*size(y,2)的矩陣。(2)pp=spline(x,y)返回由向量x與y確定的分段樣條多項式的系數矩陣pp，它可用於命令ppval、unmkpp的計算。例6對離散地分布在y=exp(x)sin(x)函數曲線上的數據點進行樣條插值計算：>>x=[024581212.817.219.920];y=exp(x).*sin(x);>>xx=0:.25:20;>>yy=spline(x,y,xx);>>plot(x,y,'o',xx,yy)命令7interpn功能n維數據插值（查表）格式(1)VI=interpn(X1,X2,,,Xn,V,Y1,Y2,?,Yn)%返回由參量X1,X2,…,Xn,V確定的n元函數V=V(X1,X2,…,Xn)在點（Y1,Y2,…,Yn）處的插值。參量Y1,Y2,…,Yn是同型的矩陣或向量。若Y1,Y2,…,Yn是向量，則可以是不同長度，不同方向（行或列）的向量。它們將通過命令ndgrid生成同型的矩陣，再作計算。若點(Y1,Y2,…,Yn)中有位於點（X1,X2,…,Xn）之外的點，則相應地返回特殊變數NaN。VI=interpn(V,Y1,Y2,?,Yn)%預設地，X1=1:size(V,1)，X2=1:size(V,2)，…，Xn=1:size(V,n)，再按上面的情形計算。VI=interpn(V,ntimes)%作ntimes次遞歸計算，在V的每兩個元素之間插入它們的n維插值。這樣，V的階數將不斷增加。interpn(V)等價於interpn(V,1)。VI=interpn(?,method)%用指定的演算法method計算：『linear』：線性插值（預設演算法）；『cubic』：三次插值；『spline』：三次樣條插值法；『nearest』：最鄰近插值演算法。命令8meshgrid功能生成用於畫三維圖形的矩陣數據。格式[X,Y]=meshgrid(x,y)將由向量x，y（可以是不同方向的）指定的區域[min(x)，max(x)，min(y)，max(y)]用直線x=x(i),y=y(j)（i=1,2,…,length(x)，j=1,2,…,length(y)）進行劃分。這樣，得到了length(x)*length(y)個點，這些點的橫坐標用矩陣X表示，X的每個行向量與向量x相同；這些點的縱坐標用矩陣Y表示，Y的每個列向量與向量y相同。其中X,Y可用於計算二元函數z=f(x,y)與三維圖形中xy平面矩形定義域的劃分或曲面作圖。[X,Y]=meshgrid(x)%等價於[X,Y]=meshgrid(x,x)。[X,Y,Z]=meshgrid(x,y,z)%生成三維陣列X,Y,Z，用於計算三元函數v=f(x,y,z)或三維容積圖。例7[X,Y]=meshgrid(1:3,10:14)計算結果為：X=123123123123123Y=命令9ndgrid功能生成用於多維函數計算或多維插值用的陣列格式[X1,X2,…,Xn]=ndgrid(x1,x2,…,xn)%把通過向量x1,x2,x3…,xn指定的區域轉換為數組x1,x2,x3,…,xn。這樣，得到了length(x1)*length(x2)*…*length(xn)個點，這些點的第一維坐標用矩陣X1表示，X1的每個第一維向量與向量x1相同；這些點的第二維坐標用矩陣X2表示，X2的每個第二維向量與向量x2相同；如此等等。其中X1,X2,…,Xn可用於計算多元函數y=f(x1,x2,…,xn)以及多維插值命令用到的陣列。[X1,X2,…,Xn]=ndgrid(x)%等價於[X1,X2,…,Xn]=ndgrid(x,x,…,x)命令10table1功能一維查表格式Y=table1(TAB,X0)%返回用表格矩陣TAB中的行線性插值元素，對X0（TAB的第一列查找X0）進行線性插值得到的結果Y。矩陣TAB是第一列包含關鍵值，而其他列包含數據的矩陣。X0中的每一元素將相應地返回一線性插值行向量。矩陣TAB的第一列必須是單調的。例8>>tab=[(1:4)'hilb(4)]>>y=table1(tab,[12.33.64])查表結果為：>>tab=[(1:4)'hilb(4)]>>y=table1(tab,[12.33.64])
C. MATLAB編程 得出MATLAB人機交互界面，通過人機交互插入一組數據，用MATLAB擬合這組數
看看這個能不能幫到你：
Matlab中插值函數匯總和使用說明 :
MATLAB中的插值函數為interp1，其調用格式為：
yi= interp1(x,y,xi,'method')
其中x，y為插值點，yi為在被插值點xi處的插值結果；x,y為向量， 'method'表示採用的插值方法，
MATLAB提供的插值方法有幾種：
'nearest'是最鄰近插值， 'linear'線性插值； 'spline'三次樣條插值； 'cubic'立方插值．預設時表示線性插值。
注意：所有的插值方法都要求x是單調的，並且xi不能夠超過x的范圍。
例如：在一 天24小時內，從零點開始每間隔2小時測得的環境溫度數據分別為
12，9，9，10，18 ，24，28，27，25，20，18，15，13，
推測中午12點（即13點）時的溫度．
x=0:2:24;
y=[12 9 9 10 18 24 28 27 25 20 18
15 13];
a=13;
y1=interp1(x,y,a,'spline')
結果為： 27.8725
若要得到一天24小時的溫度曲線，則：
xi=0:1/3600:24;
yi=interp1(x,y,xi, 'spline');
plot(x,y,'o' ,xi,yi)
命令1
interp1
功能
一維數據插值（表格查找）。該命令對數據點之間計算內插值。它找出一元函數f(x)在中間點的數值。其中函數f(x)由所給數據決定。
x：原始數據點
Y：原始數據點
xi：插值點
Yi：插值點
格式
(1)yi = interp1(x,Y,xi)
返回插值向量yi，每一元素對應於參量xi，同時由向量x
與Y 的內插值決定。參量x 指定數據Y 的點。
若Y
為一矩陣，則按Y 的每列計算。yi 是階數為length(xi)*size(Y,2)的輸出矩陣。
(2)yi = interp1(Y,xi)
假定x=1:N，其中N
為向量Y 的長度，或者為矩陣Y 的行數。
(3)yi = interp1(x,Y,xi,method)
用指定的演算法計算插值：
』nearest』：最近鄰點插值，直接完成計算；
』linear』：線性插值（預設方式），直接完成計算；
』spline』：三次樣條函數插值。對於該方法，命令interp1
調用函數spline、ppval、mkpp、umkpp。這些命令生成一系列用於分段多項式操作的函數。命令spline
用它們執行三次樣條函數插值；
』pchip』：分段三次Hermite
插值。對於該方法，命令interp1 調用函數pchip，用於對向量x 與y 執行分段三次內插值。該方法保留單調性與數據的外形；
』cubic』：與』pchip』操作相同；
』v5cubic』：在MATLAB
5.0 中的三次插值。
對於超出x
范圍的xi 的分量，使用方法』nearest』、』linear』、』v5cubic』的插值演算法，相應地將返回NaN。對其他的方法，interp1
將對超出的分量執行外插值演算法。
(4)yi = interp1(x,Y,xi,method,'extrap')
對於超出x
范圍的xi 中的分量將執行特殊的外插值法extrap。
(5)yi = interp1(x,Y,xi,method,extrapval)
確定超出x
范圍的xi 中的分量的外插值extrapval，其值通常取NaN 或0。
例1
>>x = 0:10; y =
x.*sin(x);
>>xx = 0:.25:10; yy =
interp1(x,y,xx);
>>plot(x,y,'kd',xx,yy)
例2
>> year =
1900:10:2010;
>> proct = [75.995
91.972 105.711 123.203 131.669 150.697 179.323 203.212 226.505
249.633 256.344 267.893
];
>>p1995 =
interp1(year,proct,1995)
>>x =
1900:1:2010;
>>y =
interp1(year,proct,x,'pchip');
>>plot(year,proct,'o',x,y)
插值結果為：
p1995 =
252.9885
命令2
interp2
功能
二維數據內插值（表格查找）
格式
(1)ZI
= interp2(X,Y,Z,XI,YI)
返回矩陣ZI，其元素包含對應於參量XI
與YI（可以是向量、或同型矩陣） 的元素， 即Zi(i,j) ←[Xi(i,j),yi(i,j)]。用戶可以輸入行向量和列向量Xi 與Yi，此時，輸出向量Zi
與矩陣meshgrid(xi,yi)是同型的。同時取決於由輸入矩陣X、Y 與Z 確定的二維函數Z=f(X,Y)。參量X 與Y
必須是單調的，且相同的劃分格式，就像由命令meshgrid 生成的一樣。若Xi與Yi 中有在X 與Y范圍之外的點，則相應地返回nan（Not a
Number）。
(2)ZI
= interp2(Z,XI,YI)
預設地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一種情形進行計算。
(3)ZI
= interp2(Z,n)
作n
次遞歸計算，在Z 的每兩個元素之間插入它們的二維插值，這樣，Z 的階數將不斷增加。interp2(Z)等價於interp2(z,1)。
(4)ZI
= interp2(X,Y,Z,XI,YI,method)
用指定的演算法method
計算二維插值：
』linear』：雙線性插值演算法（預設演算法）；
』nearest』：最臨近插值；
』spline』：三次樣條插值；
』cubic』：雙三次插值。
例3：
>>[X,Y] =
meshgrid(-3:.25:3);
>>Z = peaks(X,Y);
>>[XI,YI] =
meshgrid(-3:.125:3);
>>ZZ =
interp2(X,Y,Z,XI,YI);
>>surfl(X,Y,Z);hold
on;
>>surfl(XI,YI,ZZ+15)
>>axis([-3 3 -3 3 -5
20]);shading flat
>>hold
off
例4：
>>years =
1950:10:1990;
>>service =
10:10:30;
>>wage = [150.697
199.592 187.625
179.323 195.072 250.287
203.212 179.092 322.767
226.505 153.706 426.730
249.633 120.281
598.243];
>>w =
interp2(service,years,wage,15,1975)
插值結果為：
w =
190.6288
命令3
interp3
功能
三維數據插值（查表）
格式
(1)VI
= interp3(X,Y,Z,V,XI,YI,ZI)
找出由參量X,Y,Z決定的三元函數V=V(X,Y,Z)在點（XI,YI,ZI）的值。參量XI,YI,ZI
是同型陣列或向量。若向量參量XI,YI,ZI 是不同長度，不同方向（行或列）的向量，這時輸出參量VI 與Y1,Y2,Y3 為同型矩陣。其中Y1,Y2,Y3
為用命令meshgrid(XI,YI,ZI)生成的同型陣列。若插值點(XI,YI,ZI)中有位於點(X,Y,Z)之外的點，則相應地返回特殊變數值NaN。
(2)VI
= interp3(V,XI,YI,ZI)
預設地，
X=1:N ，Y=1:M， Z=1：P ，其中，[M,N,P]=size(V)，再按上面的情形計算。
(3)VI
= interp3(V,n)
作n
次遞歸計算，在V 的每兩個元素之間插入它們的三維插值。這樣，V 的階數將不斷增加。interp3(V)等價於interp3(V,1)。
(4)VI
= interp3(......,method) %用指定的演算法method 作插值計算：
『linear』：線性插值（預設演算法）；
『cubic』：三次插值；
『spline』：三次樣條插值；
『nearest』：最鄰近插值。
說明
在所有的演算法中，都要求X,Y,Z 是單調且有相同的格點形式。當X,Y,Z
是等距且單調時，用演算法』*linear』，』*cubic』，』*nearest』，可得到快速插值。
例5
>>[x,y,z,v] =
flow(20);
>>[xx,yy,zz] =
meshgrid(.1:.25:10, -3:.25:3, -3:.25:3);
>>vv =
interp3(x,y,z,v,xx,yy,zz);
>>slice(xx,yy,zz,vv,[6
9.5],[1 2],[-2 .2]); shading interp;colormap
cool
命令4
interpft
功能
用快速Fourier 演算法作一維插值
格式
(1)y
= interpft(x,n)
返回包含周期函數x
在重采樣的n 個等距的點的插值y。若length(x)=m，且x 有采樣間隔dx，則新的y 的采樣間隔dy=dx*m/n。注意的是必須n≥m。若x
為一矩陣，則按x 的列進行計算。返回的矩陣y 有與x 相同的列數，但有n 行。
(2)y
= interpft(x,n,dim)
沿著指定的方向dim
進行計算
命令5
griddata
功能
數據格點
格式
(1)ZI
= griddata(x,y,z,XI,YI)
用二元函數z=f(x,y)的曲面擬合有不規則的數據向量x,y,z。griddata
將返回曲面z 在點（XI,YI）處的插值。曲面總是經過這些數據點（x,y,z）的。輸入參量（XI,YI）通常是規則的格點（像用命令meshgrid
生成的一樣）。XI 可以是一行向量，這時XI 指定一有常數列向量的矩陣。類似地，YI 可以是一列向量，它指定一有常數行向量的矩陣。
(2)[XI,YI,ZI]
= griddata(x,y,z,xi,yi)
返回的矩陣ZI
含義同上，同時，返回的矩陣XI,YI 是由行向量xi 與列向量yi 用命令meshgrid 生成的。
(3)[XI,YI,ZI]
= griddata(.......,method)
用指定的演算法method
計算：
『linear』：基於三角形的線性插值（預設演算法）；
『cubic』：
基於三角形的三次插值；
『nearest』：最鄰近插值法；
『v4』：MATLAB
4 中的griddata 演算法。
命令6
spline
功能
三次樣條數據插值
格式
(1)yy
= spline(x,y,xx)
對於給定的離散的測量數據x,y（稱為斷點），要尋找一個三項多項式y
= p(x) ，以逼近每對數據(x,y)點間的曲線。過兩點(xi, yi) 和(xi+1, yi+1)
只能確定一條直線，而通過一點的三次多項式曲線有無窮多條。為使通過中間斷點的三次多項式曲線具有唯一性，要增加兩個條件（因為三次多項式有4
個系數）：
a．三次多項式在點(xi,
yi) 處有： p¢i(xi) = p¢i(xi) ；
b．三次多項式在點(xi+1,
yi+1) 處有： p¢i(xi+1) = pi¢(xi+1) ；
c．p(x)在點(xi,
yi) 處的斜率是連續的（為了使三次多項式具有良好的解析性，加上的條件）；
d．p(x)在點(xi,
yi) 處的曲率是連續的；
對於第一個和最後一個多項式，人為地規定如下條件：
①．
p¢1¢(x) = p¢2¢(x)
②．
p¢n¢(x) = p¢n¢-1(x)
上述兩個條件稱為非結點(not-a-knot)條件。綜合上述內容，可知對數據擬合的三次樣條函數p(x)是一個分段的三次多項式：
ï
ïî
ï
ïí
ì
£
£
£
£
£
£
=
n
n n+1
2
2 3
1
1 2
p
(x) x x x
p
(x) x x x
p
(x) x x x
p(x)
L
L L L
其中每段pi(x)
都是三次多項式。
該命令用三次樣條插值計算出由向量x
與y 確定的一元函數y=f(x)在點xx 處的值。若參量y 是一矩陣，則以y 的每一列和x 配對，再分別計算由它們確定的函數在點xx 處的值。則yy
是一階數為length(xx)*size(y,2)的矩陣。
(2)pp
= spline(x,y)
返回由向量x
與y 確定的分段樣條多項式的系數矩陣pp，它可用於命令ppval、unmkpp 的計算。
例6
對離散地分布在y=exp(x)sin(x)函數曲線上的數據點進行樣條插值計算：
>>x = [0 2 4 5 8 12 12.8
17.2 19.9 20]; y = exp(x).*sin(x);
>>xx = 0:.25:20;
>>yy =
spline(x,y,xx);
>>plot(x,y,'o',xx,yy)
命令7
interpn
功能
n 維數據插值（查表）
格式
(1)VI
= interpn(X1,X2,,,Xn,V,Y1,Y2,?,Yn) %返回由參量X1,X2,…,Xn,V 確定的n
元函數V=V(X1,X2,…,Xn)在點（Y1,Y2,…,Yn）處的插值。參量Y1,Y2,…,Yn 是同型的矩陣或向量。若Y1,Y2,…,Yn
是向量，則可以
是不同長度，不同方向（行或列）的向量。它們將通過命令ndgrid生成同型的矩陣，
再作計算。若點(Y1,Y2,…,Yn) 中有位於點（X1,X2,…,Xn）之外的點，則相應地返回特殊變數NaN。
VI
= interpn(V,Y1,Y2,?,Yn) %預設地，X1=1:size(V,1)，X2=1:size(V,2)，… ，
Xn=1:size(V,n)，再按上面的情形計算。
VI
= interpn(V,ntimes) %作ntimes 次遞歸計算，在V 的每兩個元素之間插入它們的n 維插值。這樣，V
的階數將不斷增加。interpn(V)
等價於interpn(V,
1)。
VI
= interpn(?,method) %用指定的演算法method 計算：
『linear』：線性插值（預設演算法）；
『cubic』：三次插值；
『spline』：三次樣條插值法；
『nearest』：最鄰近插值演算法。
命令8
meshgrid
功能
生成用於畫三維圖形的矩陣數據。
格式
[X,Y] = meshgrid(x,y) 將由向量x，y（可以是不同方向的）指定的區域[min(x)，max(x) ， min(y) ， max(y)]
用直線x=x(i),y=y(j) （ i=1,2,…,length(x)
，j=1,2,…,length(y)）進行劃分。這樣，得到了length(x)*length(y)個點，
這些點的橫坐標用矩陣X
表示，X 的每個行向量與向量x 相同；這些點的縱坐標用矩陣Y 表示，Y 的每個列向量與向量y 相同。其中X,Y可用於計算二元函數z=f(x,y)與三維圖形中xy
平面矩形定義域的劃分或
曲面作圖。
[X,Y]
= meshgrid(x) %等價於[X,Y]=meshgrid(x,x)。
[X,Y,Z]
= meshgrid(x,y,z) %生成三維陣列X,Y,Z，用於計算三元函數v=f(x,y,z)或三維容積圖。
例7
[X,Y] =
meshgrid(1:3,10:14)
計算結果為：
X =
1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
Y =
10 10 10
11 11 11
12 12 12
13 13 13
14 14
14
命令9
ndgrid
功能
生成用於多維函數計算或多維插值用的陣列
格式
[X1,X2,…,Xn] = ndgrid(x1,x2,…,xn) %把通過向量x1,x2,x3…,xn 指定的區域轉換為數組x1,x2,x3,…,xn
。這樣， 得到了 length(x1)*length(x2)*…*length(xn)個點，這些點的第一維坐標用矩陣X1 表
示，X1
的每個第一維向量與向量x1 相同；這些點的第二維坐標用矩陣X2 表示，X2 的每個第二維向量與向量x2 相同；如此等等。
其中X1,X2,…,Xn
可用於計算多元函數y=f(x1,x2,…,xn)以及多維插值命令用到的陣列。
[X1,X2,…,Xn]
= ndgrid(x) %等價於[X1,X2,…,Xn] = ndgrid(x,x,…,x)
命令10
table1
功能
一維查表
格式
Y = table1(TAB,X0) %返回用表格矩陣TAB 中的行線性插值元素，對X0（TAB的第一列查找X0）進行線性插值得到的結果Y。矩陣TAB
是第一列包含
關鍵值，而其他列包含數據的矩陣。X0
中的每一元素將相應地返回一線性插值行向量。矩陣TAB 的第一列必須是單調的。
例8
>>tab = [(1:4)'
hilb(4)]
>>y = table1(tab,[1 2.3
3.6 4])
查表結果為：
>>tab = [(1:4)'
hilb(4)]
>>y = table1(tab,[1 2.3
3.6 4])
D. matlab中interp1函數是什麼意思啊
interp1函數：一維數據插值函數
一維數據插值。該函數對數據點之間計算內插值，它找出一元函數f(x)在中間點的數值，其中函數表達式由所給數據決定。
yi=interp1(x,Y,xi)：返回插值向量yi，每一元素對應於參量xi，同時由向量X與Y的內插值決定。參量x 指定數據Y的點。若Y為一矩陣，則按Y的每列計算。yi是階數為length(xi)*size(Y,2)的輸出矩陣。
yi=interp1(Y,xi)：假定x=1:N，其中N為向量Y的長度，或者為矩陣Y的行數。
yi=interp1(x,Y,xi,method)：用指定的演算法計算插值。nearest為最近鄰點插值，直接完成計算；linear為線性插值（默認方式），直接完成計算；spline為三次樣條函數插值。
yi=interp1(x,Y,xi,method,'extrap')：對於超出x范圍的xi中的分量將執行特殊的外插值法extrap。
yi=interp1(x,Y,xi,method,extrapval)：確定超出x范圍的xi中的分量的外插值extrapval，其值通常取NaN或0。
E. 求高手幫我翻譯下這段matlab程序，也求講解，在線等，謝謝~~
例如：使用文本界面
這里是一個例子，使用文本界面。圖形界面足夠的用途，所以你不可能使用文本界面。然而，看一看，現有的演算法列表，以下。
##載入數據集
>>負荷數據/雲
>>誰
名稱的大小位元組級
distribution_parameters歐盤1464結構數組
模式2x500080000雙陣列
目標1x500040000雙陣列
總計為15076個元素使用121464個位元組
數據集存儲在變數中，模式和目標。
##選擇試驗方法，訓練數據和測試數據
%使畫根據錯誤的選擇方法
>>=長度（目標）；
%=20；
[test_indices，train_indices]=make_a_draw（樓（%/100 *我），我）；
train_patterns=模式（train_indices：，）；
train_targets=目標（：，train_indices）；
test_patterns=模式（test_indices：，）；
test_targets=目標（：，test_indices）；
##選擇分類器。找出參數使用幫助<分類器名稱>
>>幫助nearest_neighbor
利用最近鄰演算法分類
輸入：
train_patterns-訓練模式
train_targets-訓練目標
test_patterns-測試模式
最近鄰-鄰居數
輸出
test_targets-預測目標
##建立分類和分類數據
>>test_out=nearest_neighbor（train_patterns，train_targets，test_patterns，3）；
##估計誤差
>>=平均（test_targets~=test_out）
誤差=
0.1313
F. 如何對圖像做分類器訓練matlab代碼
對圖像做分類器訓練要建立視覺詞袋來進行圖像分類。該過程生成用來表示圖像視覺詞的直方圖，通過這些直方圖來訓練圖像分類器。下面的步驟描述如何建立圖像集，建立視覺詞袋，以及訓練和運用圖像分類器。
第一步：建立圖像類別集合
將圖像分割成訓練子集和測試子集。利用imageDatastore函數來存儲訓練分類器的圖像。可以利用splitEachLabel函數將圖像分割成訓練數據和測試數據。
讀取類別圖像和創建圖像子集
setDir = fullfile(toolboxdir('vision'),'visiondata','imageSets');
imds = imageDatastore(setDir,'IncludeSubfolders',true,'LabelSource','foldernames');
分割圖集成訓練和測試子集。下例中，30%作為訓練數據，餘下的作為測試數據。
[trainingSet,testSet] = splitEachLabel(imds,0.3,'randomize');
第二步：建立特徵詞袋
通過從每個類別的有代表性的圖像中提取特徵描述符，創建視覺詞彙表或特徵包。
通過在訓練集合中提取出的特徵描述符上利用k-means聚類演算法，bagOfFeatures對象定義特徵，視覺詞彙。該演算法迭代地將描述符分成k個互斥簇。由此產生的簇是緊密的，並具有相似的特性。每個集群中心代表一個特徵，或一個可視詞。可以基於特徵檢測器提取特徵，也可以定義一個網格來提取特徵描述符。網格方法可能丟失細節信息。因此，對不包含明顯特徵的圖像使用網格，例如海灘等景物的圖像。使用Speed up robust features（或SURF）檢測器提供更大的尺度不變性。默認情況下，該演算法運行「網格」方法。
該演算法工作流對圖像進行整體分析。圖像必須有適當的標簽來描述它們所代表的類。例如，一組汽車圖像可以被標記為汽車。工作流不依賴於空間信息，也不依賴於標記圖像中的特定對象。視覺詞袋技術依賴於非局部化的檢測技術。
第三步：通過視覺詞袋訓練圖像分類器
trainImageCategoryClassifier函數返回一個圖像分類器。該方法使用基於2分類支持向量機（SVM）的error-correcting output codes(ECOC)框架來訓練一個多分類器。
該方法利用bagOfFeatures對象返回的視覺詞袋將圖像集中的圖像編碼成視覺詞直方圖。然後將視覺詞直方圖作為訓練分類器的正負樣本。
1、將訓練集中的每幅圖像利用bagOfFeature的encode方法進行編碼。該函數檢測和提取圖像中的特徵，然後利用最近鄰演算法構造每個圖像的特徵直方圖。函數將描述符逼近聚類中心來增加直方圖各bin的數值。直方圖的長度取決於bagOfFeatures對象構造的出來的視覺詞的數量。最終將直方圖作為圖像的特徵向量。
2、對訓練集中的每幅圖像重復步驟1，建立訓練數據
3、評價分類器。在測試圖像集上使用imagecategoryclassifier的evaluate方法測試分類器。輸出混淆矩陣可以分析預測結果。理想的分類結果是對角線上包含一個標准矩陣。不正確的分類導致出現分數值。
第四步：對圖像或圖像集進行分類
最後使用imageCategoryClassifier 的predeict方法對新圖像進行分類來確定其類型。
G. MATLAB中三種差值法怎樣編程
http://wenku..com/view/4b8beb2dcfc789eb172dc896.html?st=1
http://wenku..com/view/49a35f050740be1e650e9aac.html?st=1
http://wenku..com/view/97931e353968011ca30091ac.html
http://wenku..com/view/702346f8910ef12d2af9e7ad.html
H. 【matlab】csape 和interp1有什麼相同和區別
csape和interp1都是插值函數。
csape可以選擇樣條的邊界條件，interp1無法使用邊界條件；
csape只是Cubic spline插值，interp1可以選擇幾種不同的插值方法。
csape函數的用法如下：
pp = csape(x,y,conds,valconds)
其中(x,y)為數據向量，conds表示變界類型， valconds表示邊界值。
邊界類型(conds)可為：
'complete'，給定邊界一階導數.
'not-a-knot'，非扭結條件,不用給邊界值.
'periodic'，周期性邊界條件,不用給邊界值.
'second'，給定邊界二階導數.
'variational'，自然樣條(邊界二階導數為0)
邊界類型(valconds)可為：
'complete'，給定邊界一階導數.
'not-a-knot'，非扭結條件,不用給邊界值.
'periodic'，周期性邊界條件,不用給邊界值.
'second'，給定邊界二階導數.
'variational'，自然樣條(邊界二階導數為0)
interp1函數的用法如下：
yi=interp1(x,Y,xi)：返回插值向量yi，每一元素對應於參量xi，同時由向量X與Y的內插值決定。參量x 指定數據Y的點。若Y為一矩陣，則按Y的每列計算。yi是階數為length(xi)*size(Y,2)的輸出矩陣。
yi=interp1(Y,xi)：假定x=1:N，其中N為向量Y的長度，或者為矩陣Y的行數。
yi=interp1(x,Y,xi,method)：用指定的演算法計算插值。nearest為最近鄰點插值，直接完成計算；linear為線性插值（默認方式），直接完成計算；spline為三次樣條函數插值。
yi=interp1(x,Y,xi,method,'extrap')：對於超出x范圍的xi中的分量將執行特殊的外插值法extrap。
yi=interp1(x,Y,xi,method,extrapval)：確定超出x范圍的xi中的分量的外插值extrapval，其值通常取NaN或0。
I. 急求最近鄰演算法的半監督學習演算法對vehicle數據分類的matlab程序
嗯嗯嗯