矩阵展开

>> B=[1;3]

B =

1

3

>> C=kron(B,[1,1,1])

C =

1     1     1

3     3     3

使用imshow绘制图片到到指定坐标

% 产生新的图像显示框 hAxe=axes('Parent',gcf,... % 设置新的axe， 将'parent' 属性设置为当前窗口gcf     'Units','pixels',...  %设置单位为pixels     'Position',[30 80 605 705]);  % 指定axe的位置，格式为[left bottom width height]， left和bottom设定了axe的左下 %角坐标，width和height设定了窗口的宽度和高度 %选定hAxe为当前axe axes(hAxe)； %显示图像 imshow(...)

unique的实现

matlab里面的unique是通过排序后错位相减的方式实现的 充分利用了矩阵运算的性质 灰常巧妙啊！！！

寻找矩阵中某向量～

比如有矩阵A=[ 1 1 1；

2 2 2；

3 3 3；

4 4 4；]

行向量B=[3 3 3]

则： B在A的第  3 行

请问：怎么自动求出B在A的哪一行呢？

方法1：

——————————————————

for i=1:3

if (A(i,:)==B)

Position=i;

end

end

——————————————————

方法2：

——————————————————

find(ismember(A,B,'rows'));

——————————————————

ismember函数：

tf = ismember(A, S)返回一个和A同样长的数组，当A中元素是集合S中的元素时，返回逻辑1(真)，否则为0。在集合论方面，k为1当A属于S。输入参数A和S可能是数值型或者字符型数组或者字符型元胞数组。 www.iLoveMatlab.cn

tf = ismember(A, S, 'rows')

当A和S为矩阵并且列数相同时，当A中的行同时也是S中的行时返回1,否则返回0。

如果A或S是字符元胞数组时不能用此语法。

[tf, loc] = ismember(A, S, ...)

返回一个包含A中的元素也是S种元素的最大索引。对于A中元素不出现S里面的，ismember返回0.

matlab 矩阵变向量

reshape

A=A(:)

后面这个真是神奇！

画矩形

line(rectx(:),recty(:));

rectx recty 为五维向量 代表五个点 ABCDA

-------------------------------------------------------------------------------------------------------------------------------------

关于下标索引

matlab以数组为基本处理单元，这是其特色，也支持灵活的矩阵下标索引也就是矩阵元素访问，包括双下标索引，线性索引，逻辑索引，冒号索引，数组索引等方式。

线性索引以列为单位对矩阵元素进行索引，通用的索引方式是A(B,C),这里B，C分别为矩阵A的行列下标组成的数组，可以是标量，向量及矩阵，其处理机制如下：将B，C分别按行进行向量化(将所有的列拼接成行向量相当于于reshape(A,

numel(A),1))成行向量vetor(B),vector(C)，然后对这两个向量索引

，也就是 A(B,C)=A(vetor(B),vector(C))。

A= reshape(1:12,3,4)

A =

1              4              7             10

2              5              8             11

3              6              9             12

逻辑索引：

A(find(A>5))

ans =

6

7

8

9

10

11

12

线性索引：

A(7)

ans =

7

双下标索引：

A(3,2)

ans =

6

冒号索引：

A(:,1)

ans =

1

2

3

数组索引：

——标量

A(1,:)

ans =

1              4              7             10

——向量

A([1 2], [2 4])

ans =

4             10

5             11

——矩阵

B=[1 2 3; 3 2 1],C=[2 3;1 4]

B =

1              2              3

3              2              1

C =

2              3

1              4

A(B,C)

ans =

4              1              7             10

6              3              9             12

5              2              8             11

5              2              8             11

6              3              9             12

4              1              7             10

可以看出，除了逻辑索引和线性索引外，双下标索引，冒号索引其实是数组索引的标量及向量特例，数组索引当下标为矩阵时又需进行向量化，这种向量化方式是按列进行的，这与线性索引的按列定址如出一辙，也就是Maltab尽管是以矩阵为基本处理(编程)单元，但其内部处理方式应该也是按列进行处理的(按列存储数据)。

K-means聚类算法采用的是将N*P的矩阵X划分为K个类，使得类内对象之间的距离最大,而类之间的距离最小。

使用方法： Idx=Kmeans(X,K) [Idx,C]=Kmeans(X,K)  [Idx,C,sumD]=Kmeans(X,K)  [Idx,C,sumD,D]=Kmeans(X,K)  […]=Kmeans(…,’Param1’,Val1,’Param2’,Val2,…)

各输入输出参数介绍：

X N*P的数据矩阵 K 表示将X划分为几类，为整数 Idx N*1的向量，存储的是每个点的聚类标号 C K*P的矩阵，存储的是K个聚类质心位置 sumD 1*K的和向量，存储的是类间所有点与该类质心点距离之和 D N*K的矩阵，存储的是每个点与所有质心的距离 […]=Kmeans(…,'Param1',Val1,'Param2',Val2,…) 这其中的参数Param1、Param2等，主要可以设置为如下： 1. ‘Distance’(距离测度) ‘sqEuclidean’ 欧式距离(默认时，采用此距离方式) ‘cityblock’ 绝度误差和，又称：L1 ‘cosine’ 针对向量 ‘correlation’   针对有时序关系的值 ‘Hamming’ 只针对二进制数据 2. ‘Start’(初始质心位置选择方法) ‘sample’ 从X中随机选取K个质心点 ‘uniform’ 根据X的分布范围均匀的随机生成K个质心 ‘cluster’ 初始聚类阶段随机选择10%的X的子样本(此方法初始使用’sample’方法) matrix 提供一K*P的矩阵，作为初始质心位置集合 3. ‘Replicates’(聚类重复次数)   整数

Empty cluster created at iteration XXX 是因为在分群的过程中有某些群落没有分配到任何的输入图样 最主要的原因在于各群的初始値设定不洽当 建议改进算法 或者设置kmeans遇到空群时的参数 默认参数是报错 就是楼主遇到的 'emptyaction':'error'|'drop'|'singleton' 上面是3个可选参数，分别对应 报错|丢弃空群|创建新群 如选用第2个参数可以这样调用 kmeans(X,2,'emptyaction','drop') 当然 还有其他一些参数 可用命令 help  kmeans