MATLAB自定义函数
如果你刚接触matlab,可以看这篇Matlab自定义函数详解
MATLAB自定义函数形式
function [a,b,c] = funname(x1,x2,x3)
输入变量
对于输入变量,MATLAB可以识别输入变量的个数,通过nargin
来记录当前输入变量个数。
if nargin == 1
···
elseif nargin == 2
····
elseif nargin == 3
···
end
通过nargin判断变量个数,然后再写对应的程序。
输出变量
对于输出变量,MATLAB可以根据调用情况来输出结果
y = funname(x1)
[y1,y2] = funname(x1)
[y1,y2,y3] = funnamr(x1)
根据调用的格式,自动忽略没匹配上的输出结果。
函数调用帮助
函数做好之后,需要写好说明,否则代码的通用性会很差!matlab自动将函数下的注释当作函数说明,通过help来查看帮助文档
help funname
function y = mean(x,dim,flag,flag2)
%MEAN Average or mean value.
% S = MEAN(X) is the mean value of the elements in X if X is a vector.
% For matrices, S is a row vector containing the mean value of each
% column.
% For N-D arrays, S is the mean value of the elements along the first
% array dimension whose size does not equal 1.
上面是mean函数的帮助说明。
自己动手写一个函数
这里我们来动手写一个数据标准化的函数,具体要求是这样的
对于一组数据 $$ x_{1}, x_{2}, \cdots, x_{m} $$, 分高优指标(越大越好),低优指标(越小越好),中优指标(越趋近于某个值越好),均优指标(越趋近于某个区间越好),四种标准化方式对数据标准化。
function [x] = standlize(v,type,q)
%STANDLIZE 对列向量v 进行归一化 返回归一化后的向量 x
% x = STANDLIZE(v,'low') 对列向量按低优指标进行归一化
% x = STANDLIZE(v,'high') 对列向量按高优指标进行归一化
% x = STANDLIZE(v,'middle',q) 对列向量按中优指标进行归一化
% x = STANDLIZE(v,'between',q) 其中 q = [a , b] 对列向量按均优指标进行归一化
m = length(v);
if nargin==2
if strcmp(type,'low') %低优指标
for i=1:m
x(i) = (max(v)-v(i))/(max(v)-min(v));
end
elseif strcmp(type,'high') %高优指标
for i=1:m
x(i) = (v(i)-min(v))/(max(v)-min(v));
end
end
elseif nargin==3
if strcmp(type,'middle')&&length(q)==1 %中优指标
for i=1:m
if v(i) < q
x(i) = 1 - (q-v(i))/max([q-min(v),max(v)-q]);
elseif v(i) > q
x(i) = 1 - (v(i)-q)/max([q-min(v),max(v)-q]);
else
x(i) = 1;
end
end
elseif strcmp(type,'between')&&length(q)==2 %均优指标
for i=1:m
if v(i) < q(1)
x(i) = 1-(q(1)-v(i))/(max([q(1)-min(v),max(v)-q(2)]));
elseif v(i) > q(2)
x(i) = 1-(v(i)-q(2))/(max([q(1)-min(v),max(v)-q(2)]));
else
x(i)=1;
end
end
end
end
x = reshape(x,size(v));
end
运行测试
可以看到,对于1到10这样一组数据,通过standlize
这个函数的不同调用方式,实现了数据的指标标准化。通过help可以查看用法。
未经作者授权,禁止转载
THE END