MATLAB练习例子七(数据处理)

》 load count.dat 》 [n,p] = size(count) n = 24 p = 3 》 t = 1:n; 》 set(0,'defaultaxeslinestyleorder','-|--|-.') 》 set(0,'defaultaxescolororder',[0 0 0]) 》 plot(t,count), legend('Location 1','Location 2','Location 3',0) 》 plot(t,count), legend('Location 1','Location 2','Location 3',0) xlable('Time'),ylabel('Vehicle Count'), grid on ??? cation 3',0) xlable | 演算子、カンマ、またはセミコロンが見つかりません》 plot(t,count), legend('Location 1','Location 2','Location 3',0) xlabel('Time'),ylabel('Vehicle Count'), grid on ??? cation 3',0) xlabel | 演算子、カンマ、またはセミコロンが見つかりません》 plot(t,count), legend('Location 1','Location 2','Location 3',0),xlabel('Time'),ylabel('Vehicle Count'), grid on 》 plot(t,count), legend('Location 1','Location 2','Location 3',0),xlabel('Time'),ylabel('Vehicle Count'), grid on 》 type count.dat 11 11 9 7 13 11 14 17 20 11 13 9 43 51 69 38 46 76 61 132 186 75 135 180 38 88 115 28 36 55 12 12 14 18 27 30 18 19 29 17 15 18 19 36 48 32 47 10 42 65 92 57 66 151 44 55 90 114 145 257 35 58 68 11 12 15 13 9 15 10 9 7

基本数据分析》 load count.dat 》 mx = max(count) mx = 114 145 257 》 mu = mean(count) mu = 32.0000 46.5417 65.5833 》 sigma = std(count) sigma = 25.3703 41.4057 68.0281 》 [mx,indx] = min(count) mx = 7 9 7 indx = 2 23 24 》 [n,p] =size(count) n = 24 p = 3 》 e = ones(n,1) e = 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 》 x = count - e*mu x = -21.0000 -35.5417 -56.5833 -25.0000 -33.5417 -54.5833 -18.0000 -29.5417 -45.5833 -21.0000 -33.5417 -56.5833 11.0000 4.4583 3.4167 6.0000 -0.5417 10.4167 29.0000 85.4583 120.4167 43.0000 88.4583 114.4167 6.0000 41.4583 49.4167 -4.0000 -10.5417 -10.5833 -20.0000 -34.5417 -51.5833 -14.0000 -19.5417 -35.5833 -14.0000 -27.5417 -36.5833 -15.0000 -31.5417 -47.5833 -13.0000 -10.5417 -17.5833 0 0.4583 -55.5833 10.0000 18.4583 26.4167 25.0000 19.4583 85.4167 12.0000 8.4583 24.4167 82.0000 98.4583 191.4167 3.0000 11.4583 2.4167 -21.0000 -34.5417 -50.5833 -19.0000 -37.5417 -50.5833 -22.0000 -37.5417 -58.5833 》 min(count(:)) ans = 7 协方差和对射变模》 cov(count(:,1)) ans = 643.6522 》 corrcoef(count) ans = 1.0000 0.9331 0.9599 0.9331 1.0000 0.9553 0.9599 0.9553 1.0000 》 A = [9 -2 3 0 1 5 4]; 》 diff(A) ans = -11 5 -3 1 4 -1 数据预处理(Data Preprocessing) 》 mu = mean(count) mu = 32.0000 46.5417 65.5833 》 sigma = std(count) sigma = 25.3703 41.4057 68.0281 》 [n,p] = size(count) n = 24 p = 3 》 outliers = abs(count - mu(ones(n,1),:)) > 3*sigma(ones(n,1),:); 》 nout = sum(outliers) nout = 1 0 0 》 count(any(outliers'),:) = []; 回归分析》 t = [0 .3 .8 1.1 1.6 2.3]'; 》 y = [0.5 0.82 1.14 1.25 1.35 1.40]'; 》 plot(t,y,'o'),grid on

多项式回归分析》 X = [ones(size(t)) t t.^2 ] X = 1.0000 0 0 1.0000 0.3000 0.0900 1.0000 0.8000 0.6400 1.0000 1.1000 1.2100 1.0000 1.6000 2.5600 1.0000 2.3000 5.2900 》 a = X\y a = 0.5318 0.9191 -0.2387 》 T = (0:0.1:2.5)'; 》 Y = [ones(size(T)) T T.^2]*a; 》 plot(T,Y,'-',t,y,'o'), grid on

线性回归分析》 X = [ones(size(t)) exp(- t) t.*exp(- t)]; 》 a = X\y a = 1.3974 -0.8988 0.4097 》 Y = [ones(size(T)) exp(- T) T.exp(- T)]*a; ??? Attempt to reference field of non-structure array 'T'. 》 T = (0:0.1:2.5)'; 》 Y = [ones(size(T)) exp(- T) T.exp(- T)]*a; ??? Attempt to reference field of non-structure array 'T'. 》 T = (0:0.1:2.5)'; 》 Y = [ones(size(T)) exp(- T) T.exp(- T)]*a; ??? Attempt to reference field of non-structure array 'T'. 》 Y = [ones(size(t)) exp(- t) T.exp(- t)]*a; ??? Attempt to reference field of non-structure array 'T'. 》 Y = [ones(size(t)) exp(- t) t.exp(- t)]*a; ??? Attempt to reference field of non-structure array 't'. 》 Y = [ones(size(T)) exp(- T) T.*exp(- T)]*a; 》 plot(T,Y,'-',t,y,'o'), grid on

线性回归分析》 x1 = [.2 .5 .6 .8 1.0 1.1]'; 》 x2 = [.1 .3 .4 .9 1.1 1.4]'; 》 y = [.17 .26 .28 .23 .27 .24]'; 》 X = [ones(size(xa) x1 x2]; ??? = [ones(size(xa) x1 | 関数の参照が正しくありません。","、または ")" が足りません》 X = [ones(size(x1)) x1 x2]; 》 a = X\y a = 0.1018 0.4844 -0.2847 》 Y = X*a; 》 MaxErr = max(abs(Y - y) ??? rr = max(abs(Y - y) | 関数の参照が正しくありません。","、または ")" が足りません》 MaxErr = max(abs(Y - y)) MaxErr = 0.0038 》 plot(T,Y,'-' t,y,'o'), grid on ??? plot(T,Y,'-' t | 関数の参照が正しくありません。","、または ")" が足りません》 T = (0:0.1:2.5)'; 》 X X = 1.0000 0.2000 0.1000 1.0000 0.5000 0.3000 1.0000 0.6000 0.4000 1.0000 0.8000 0.9000 1.0000 1.0000 1.1000 1.0000 1.1000 1.4000 》 plot(T,Y,'-',t,y,'o'), grid on ??? エラー: ==> plot ベクトルは同じ長さである必要があります. 》 X = [ones(size(x1)) x1 x2]; 》 a = X\y a = 0.1018 0.4844 -0.2847 》 Y = X*a Y = 0.1703 0.2586 0.2786 0.2332 0.2731 0.2362 》 plot(T,Y,'-',t,y,'o', grid on ??? -',t,y,'o', grid on | 関数の参照が正しくありません。","、または ")" が足りません》 plot(T,Y,'-',t,y,'o'), grid on ??? エラー: ==> plot ベクトルは同じ長さである必要があります. 》 load census 》 p = polyfit(cdate,pop,4) Warning: Matrix is close to singular or badly scaled. Results may be inaccurate. RCOND = 5.429790e-020. > In C:\MAT\toolbox\matlab\polyfun\polyfit.m at line 52 p = 1.0e+005 * 0.0000 -0.0000 0.0000 -0.0126 6.0020 》 sdate = (cdate -mean(cdate))./std(cdate) sdate = -1.6116 -1.4505 -1.2893 -1.1282 -0.9670 -0.8058 -0.6447 -0.4835 -0.3223 -0.1612 0 0.1612 0.3223 0.4835 0.6447 0.8058 0.9670 1.1282 1.2893 1.4505 1.6116 》 p = polyfit(sdate,pop,4) p = 0.7047 0.9210 23.4706 73.8598 62.2285 》 pop4 = polyval(p,sdate); 》 plot(cdate,pop4,'-',cdate,pop,'+'), grid on

》 p1 = polyfit(sdate,pop,1); 》 pop1 = polyval(p1,sdate); 》 plot(cdate,pop1,'-',cdate,pop,'+')

》 res1 = pop - pop1; 》 figure, plot(cdate,res1,'+')

》 p = polyfit(sdate,pop,2); 》 pop2 = polyval(p,sdate); 》 plot(cdate,pop2,'-',cdate,pop,'+')

》 res2 = pop - pop2; 》 figure, plot(cdate,res2,'+')

》 p = polyfit(sdate,pop,4); 》 pop4 = polyval(p,sdate); 》 plot(cdate,pop4,'-',cdate,pop,'+')

》 res4 = pop - pop4; 》 figure,plot(cdate,res4,'+') <img src="res32.jpg"> 》 logp1 = polyfit(sdate,log10(pop),1); 》 logpred1 = 10.^polyval(logp1,sdate); 》 semilogy(cdate,logpred1,'-',cdate,pop,'+'); 》 grid on

》 logp2 = polyfit(sdate,log10(pop),2); 》 logpred2 = 10.^polyval(logp2,sdate); 》 semilogy(cdate,logpred2,'-',cdate,pop,'+'); grid on

》 logres2 = log10(pop) - polyval(logp2,sdate); 》 plot(cdate,logres2,'+')

》 r = pop - 10.^(polyval(logp2,sdate)); 》 plot(cdate,r,'+')

plot(cdate,pop,'+',cdate,pop2,'g-',cdate,pop2+2*del2,'r:',cdate,pop2-2*del2,'r:'), grid on

Fast Fourier Transform 》 x = [4 3 7 -9 1 0 0 0]'; 》 y = fft(x) y = 6.0000 11.4853 - 2.7574i -2.0000 -12.0000i -5.4853 +11.2426i 18.0000 -5.4853 -11.2426i -2.0000 +12.0000i 11.4853 + 2.7574i 》 load sunspot.dat 》 year = sunspot(:,1); 》 wolfer = sunspot(:,2); 》 plot(year,wolfer) 》 title('Sunspot Data')

》 Y = fft(wolfer); 》 N = length(Y); 》 Y(1) = []; 》 power = abs(Y(1:N/2)).^2; 》 nyquist = 1/2; 》 freq = (1:N/2)/(N/2)*nyquist; 》 plot(freq,power),grid on 》 xlabel('cycles/year') 》 title('Periodogram')

》 period = 1./freq; 》 plot(period,power), axis([0 40 0 2e7]), grid on 》 ylabel('Power') 》 xlabel('Period(Years/Cycle)')

》 [mp index] = max(power); 》 period(index) ans = 11.0769 》 t = 0:1/100:10-1/100; 》 x = sin(2*pi*15*t) + sin(2*pi*40*t); 》 y = fft(x); 》 m = abs(y); 》 p = unwrap)angle(y)); ??? p = unwrap) | 演算子、カンマ、またはセミコロンが見つかりません》 p = unwrap(angle(y)); 》 f = (0:length(y)-1)'*100/length(y); 》 subplot(2,1,1), plot(f,m), 》 ylabel('Abs. Magnitude'), grid on 》 subplot(2,1,2), plot(f,p*180/pi) 》 ylabel('Phase [Degrees]'), grid on 》 xlabel('Frequency [Hertz]')