<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[chen10217的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/chen10217</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; chen10217]]></copyright><item><title><![CDATA[matlab 蒙特卡罗计算pi值]]></title><link>https://blog.csdn.net/chen10217/article/details/102407809</link><guid>https://blog.csdn.net/chen10217/article/details/102407809</guid><author>chen10217</author><pubDate>Tue, 08 Oct 2019 20:04:54 +0800</pubDate><description><![CDATA[蒙特卡罗法计算pi值是比较基础的入门应用之一，网上流传的大部分代码包括百度百科上的代码都是使用for循环完成迭代的，运算速度非常慢，这里我们提供一个向量化运算的方式，以加快运算速度。接触编程久了后，会发现运算速度是一个非常重要的问题，尤其是对于matlab这类高层语言，想提高matlab的运算速度，可以数学建模公会之前的一篇总结——优化matlab运行速度的方案的教程
方法一：蒲丰投针
l = 0...]]></description><category></category></item><item><title><![CDATA[matlab实现系统聚类]]></title><link>https://blog.csdn.net/chen10217/article/details/102407429</link><guid>https://blog.csdn.net/chen10217/article/details/102407429</guid><author>chen10217</author><pubDate>Tue, 08 Oct 2019 19:55:07 +0800</pubDate><description><![CDATA[matlab自带的系统聚类函数linkage功能比较复杂，定义了各种样本距离和类间距离，对于初学者而言不容易掌握方法的精髓。今天实现的简化版的系统聚类仅实现了欧几里得距离和汉明距离两种点距离，以及最小距离作为类与类之间距离，更容易理解。
系统聚类法（自下而上）先将聚类的样本或变量各自看成一群，然后确定类与类间的相似统计量，并选择最接近的两类或若干个类合并成一个新类，计算新类与其他各类间的相似性统计...]]></description><category></category></item><item><title><![CDATA[蒙特卡洛法预测比赛冠军]]></title><link>https://blog.csdn.net/chen10217/article/details/101097578</link><guid>https://blog.csdn.net/chen10217/article/details/101097578</guid><author>chen10217</author><pubDate>Sat, 21 Sep 2019 09:45:29 +0800</pubDate><description><![CDATA[本期是关于蒙特卡洛的第一讲，使用蒙特卡洛法预测比赛冠军。可以根据不同的赛制简单地更改代码，适用于不同类型比赛的模拟。另外需要注意的是，在写模拟代码时，默认的是还未划分对阵表，如果已知对阵情况，需要更改相应的代码，固定对阵模式。
本次代码所模拟的赛制为：参赛选手64位，分16个小组首先进行小组赛，每个小组决出一名获胜者进入淘汰赛；淘汰赛在相邻编号小组胜者之间展开，淘汰赛共四轮，分别决出8强，4强，2...]]></description><category></category></item><item><title><![CDATA[Matlab画图插入Latex公式]]></title><link>https://blog.csdn.net/chen10217/article/details/100917863</link><guid>https://blog.csdn.net/chen10217/article/details/100917863</guid><author>chen10217</author><pubDate>Tue, 17 Sep 2019 10:27:51 +0800</pubDate><description><![CDATA[Latex语言是现在使用最广泛的Tex格式，Tex这种语言具有简单排版和程序设计的功能。
不过，LaTeX比TeX更为结构化，它有很多预设模版，包含供建立索引、表格、列表等的宏和公用软件。利用Latex，即使我们不会排版和程序设计也可以生成复杂的论文规格的表格和数学公式。

我们使用matlab对数据或模型进行计算处理之后，时常会需要输出结果呈现Latex的格式，或者能方便转换成latex格式方便...]]></description><category></category></item><item><title><![CDATA[蚁群算法求解最优路径问题]]></title><link>https://blog.csdn.net/chen10217/article/details/100762552</link><guid>https://blog.csdn.net/chen10217/article/details/100762552</guid><author>chen10217</author><pubDate>Thu, 12 Sep 2019 09:53:02 +0800</pubDate><description><![CDATA[以2017年华为杯研究生数学建模比赛A题（无人机在抢险救灾中的优化运用）为例，讲解蚁群算法在求解最优路径问题中的应用，我们将问题进行了简化，描述如下：
无人机从某一个基地出发，途径所有救援点，然后回到基地（每个点只经过一次），求解最佳行驶路径。
基地和所有救援点的散点图如图1所示。

蚁群算法是寻求优化路径的一种算法，这种算法的思想起源于蚂蚁在寻求事物过程中的路径，这种算法在本质上属于一种启发式全...]]></description><category></category></item><item><title><![CDATA[数学建模中三维数据的可视化——matlab]]></title><link>https://blog.csdn.net/chen10217/article/details/100762314</link><guid>https://blog.csdn.net/chen10217/article/details/100762314</guid><author>chen10217</author><pubDate>Thu, 12 Sep 2019 09:45:38 +0800</pubDate><description><![CDATA[在数学建模过程中我们经常遇到可视化三维数据的情况。以2017年研究生数学建模比赛A题（无人机在抢险救灾中的优化运用）为例，这个问题的背景是：
2017年8月8日，四川阿坝州九寨沟县发生7.0级地震，造成了不可挽回的人员伤亡和重大的财产损失。由于预测地震比较困难，及时高效的灾后救援是减少地震损失的重要措施。无人机作为一种新型运载工具，能够在救援行动中发挥重要作用。为提高其使用效率，请你们解决无人机优...]]></description><category></category></item><item><title><![CDATA[matlab实现kmeans聚类算法]]></title><link>https://blog.csdn.net/chen10217/article/details/100577585</link><guid>https://blog.csdn.net/chen10217/article/details/100577585</guid><author>chen10217</author><pubDate>Fri, 06 Sep 2019 13:29:02 +0800</pubDate><description><![CDATA[kmeans聚类算法是一种简单实用的聚类算法，matlab自带函数kmeans可直接对数据进行kmeans聚类。为了方便更好地掌握kmeans聚类算法，今天我们自己来实现一个弱化的版本mykmeans。
mykmeans输入包含三项，分别为聚类所使用的数据data，data每一行代表一个样本，每一列代表一个特征；聚类中心数量numclass；第三项为所使用的距离的定义，默认情况下为欧式距离。
fu...]]></description><category></category></item><item><title><![CDATA[优化matlab运行速度的方案]]></title><link>https://blog.csdn.net/chen10217/article/details/100365465</link><guid>https://blog.csdn.net/chen10217/article/details/100365465</guid><author>chen10217</author><pubDate>Mon, 02 Sep 2019 20:07:25 +0800</pubDate><description><![CDATA[如果以后有可能在工作和学习中熟练掌握matlab，一定要收藏这篇干到超级无聊的干货。此篇对5级及以下学习者暂时没有学习必要，请尽情忽略。

今天先总结十个优化matlab运行速度的方案，以后慢慢增加内容——
1 提前分配内存
% 对于内存消耗非常大的情况
% 测试不提前分配val的内存
tic,
for i=1:2000
    for j=1:2000
        val1=rand;
  ...]]></description><category></category></item><item><title><![CDATA[matlab参数方程拟合]]></title><link>https://blog.csdn.net/chen10217/article/details/100166970</link><guid>https://blog.csdn.net/chen10217/article/details/100166970</guid><author>chen10217</author><pubDate>Fri, 30 Aug 2019 22:12:13 +0800</pubDate><description><![CDATA[Matlab参数方程拟合拟解决的问题：问题描述数据程序结论
拟解决的问题：
假设已经得到了一个描述特定数据规律的方程，但是不知道方程参数的具体值，通过与已有数据的拟合求解方程参数。
以种群增长模型为例——
问题描述
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博假设一组人口数据近似满足logistic曲线：
...]]></description><category></category></item><item><title><![CDATA[matlab数据的导入和导出]]></title><link>https://blog.csdn.net/chen10217/article/details/100031937</link><guid>https://blog.csdn.net/chen10217/article/details/100031937</guid><author>chen10217</author><pubDate>Fri, 23 Aug 2019 10:20:38 +0800</pubDate><description><![CDATA[数据的导入和导出从文本文件中导入数据part1, 使用importdata函数读取格式较为简单的文本文件part2, 使用fopen 函数读取格式较为复杂的文本文件part3, 使用fopen 函数+ 正则表达式 regexp 读取格式非常复杂的文本文件从EXCEL中导入数据导入图片数据
从文本文件中导入数据
part1, 使用importdata函数读取格式较为简单的文本文件
%生成测试数据 t...]]></description><category></category></item><item><title><![CDATA[matlab数据异常点识别及缺失值处理]]></title><link>https://blog.csdn.net/chen10217/article/details/100031587</link><guid>https://blog.csdn.net/chen10217/article/details/100031587</guid><author>chen10217</author><pubDate>Fri, 23 Aug 2019 10:14:31 +0800</pubDate><description><![CDATA[数据异常点识别及缺失值处理part 1：缺失数据处理观察对比以下几种缺失值插补方法的效果part 2：异常值发现观察对比以下几种异常值查找并插补的效果基于滑窗的方法
% 此文件讲解如何对缺失数据进行插补以及如何识别数据中存在的异常点
% 主要针对的插补对象是数值型数据，从文本文件或者Excel文件中导入
% MATLAB fillmissing 函数
% MATLAB filloutliers 函...]]></description><category></category></item><item><title><![CDATA[matlab解决最短路径问题]]></title><link>https://blog.csdn.net/chen10217/article/details/100031345</link><guid>https://blog.csdn.net/chen10217/article/details/100031345</guid><author>chen10217</author><pubDate>Fri, 23 Aug 2019 10:04:55 +0800</pubDate><description><![CDATA[最短路径问题写在前面两种表示方法minpath的安装minpath的使用
写在前面
最短路径问题是图论研究中的一个经典算法问题。
它旨在寻找图（由结点和路径组成的）中两结点之间的最短路径。
这次主要是提供一个解决最短路径问题的matlab app。
本次分享的最短路径问题app仅针对无向图，实际上由于单行道存在，很多时候实际问题是一个有向图，有向图内容我们将在后期介绍。

两种表示方法
邻接矩阵法...]]></description><category></category></item><item><title><![CDATA[EM算法推断混合高斯模型参数]]></title><link>https://blog.csdn.net/chen10217/article/details/100031137</link><guid>https://blog.csdn.net/chen10217/article/details/100031137</guid><author>chen10217</author><pubDate>Fri, 23 Aug 2019 09:55:08 +0800</pubDate><description><![CDATA[EM算法推断混合高斯模型参数写在前面随机生成混合高斯模型的数据EM算法估计混合高斯分布的参数初始化， E步骤EM算法，M步骤测试脚本画出随机产生的数据的实际分布画出推断得到的分布
写在前面
今天写了三段代码：
（1）getGMMdata 随机生成混合高斯模型数据
（2）EMGMM 解混合高斯模型参数
（3）测试脚本test.m
(可以修改迭代次数、收敛精度、分布参数观察算法的效果。)
随机生成混合...]]></description><category></category></item></channel></rss>