贝叶斯matlab实验报告

贝叶斯matlab实验报告（精选15篇）

篇1：贝叶斯matlab实验报告

模式识别

理解这一章的关键是要正确理解先验概率, 类概率密度函数,后验概率这三种概率, 对这三种概率的定义,相互关系要搞得清 清楚楚.Bayes公式正是体现这三者关系的 式子,要透彻掌握.

武汉大学电子信息学院

3

篇2：贝叶斯matlab实验报告

贝叶斯决策理论所要讨论的问题

各类别ωi=1,2,…,c的先验概率P(ωi)及类条 件概率密度函数p(x|ωi)已知的条件下,如 何对某一样本按其特征向量分类的问题. 几种常用的决策规则 正态分布时统计决策的问题以及错误概率 等问题

武汉大学电子信息学院

篇3：贝叶斯matlab实验报告

任何一个企业以及单位都有内部财务管理, 对于医院这样一个特殊的事业也不例外, 财务管理无疑是整个医院正常运作的命脉, 医院能否正常的运行, 完全依靠财务管理, 推进医院的全面发展。然而, 在新的社会形式下, 医院的财务管理仍然存在着许多弊端, 是相关人员应该全力应对的, 加强对财务管理的重视度, 从而给医院带来社会效益, 也能够带来经济效益。

一、强化医院财务管理的要求

医院的正常维持是离不开资金的运作的, 然而在我国医院财务系统的管理方式还处于一种相对不完善的薄弱环节, 在此基础上就造成了医院的账目明细模糊, 进出资金去向不明等一系列严重问题, 因此医院的经济发展是离不开完善的财务管理体系和健康、健全的财务发展方向的, 在现阶段就必须提升医院的财务管理水平, 强化资金管理和账目记录, 达到使医院的资金走向与账目相符, 促进医院经济的可持续发展。

二、当前医院财务管理存在的问题

( 一 ) 财务管理的观念陈旧

社会主义经济市场化的形势下, 医院的管理体制不断的革新, 已经取得显著效果, 目前虽然有效果, 但医院财务的状况仍然不容乐观, 没有完全按照医院财务管理的标准去发展。部分医院会出现资金分散, 以及造成机构重叠的现象。并且财务的具体核算的准确度不高, 非常的片面, 不能综合性核算。一些医院在财务管理上出现许多的漏洞, 缺乏规范的管理体制, 不能按照规章制度工作, 并且责任冯巩不明确, 缺乏系统的管理方式等等这些现象时有发生, 都会对医院的财产造成不良影响。

( 二 ) 财务人员的素质不高

对于医院的财务管理分析应该有专业性人员进行操作, 而大家都知道现在的医院都是医学类出身, 根本无法进行医院的财务管理一职, 财务管理是一项复杂高难度的工作, 这样就必须有一批具有财务专业背景, 对财务指标及分析方法有相当多的了解的人员来对医院进行财务分析, 要加强医院管理者对财务管理的重视程度。如今医疗市场竞争的日益激烈, 医院的财务管理经营模式不断的改变, 要把财务分析发挥到最大作用。就要拥有素质较高的财务人员的团队, 这样避免医院财务风险, 财产严重流失, 浪费等不良现象。

( 三 ) 内部控制制度不健全

医院是特殊的单位, 内部控制制度必须要完善。然而现在的一些卫生单位, 并没有完善的内部控制度。如今的内部控制制度不能够涉及到各个科室和医护工作者, 造成各个部门工作不协调, 责任分公不明确, 职权不清晰等。而且, 医院财务管理人员的工作复杂, 账户不实等原因最后导致财务数据的真实性, 这都是因为医院内部控制制度不够完善所导致的。因此要加强力度完善医院内部控制制度。

三、强化医院财务管理的对策

( 一 ) 更新财务管理观念

社会在不断的进步, 医疗改革制度也在逐步的向前推进, 财务管理设计到医院的各个部门。应该统筹兼顾, 从医院的整体大局为出发点, 加强医院的财务管理水平, 将财务管理渗透到医院的各个部门以及各项工作中, 因此要重视财务管理对于医院发展的作用, 对财务管理有较深入的认识了解。

在今时今日医院的发展近乎于向市场化经济靠拢, 走的是经济化医疗服务路线, 个人认为医疗水平关乎国民生命, 因此即使在经济化市场的推动下医疗服务也不应该是单纯的市场化医疗, 在改革管理基础上加强财务管理但也不能偏离医院的职责所在, 造成管理模糊的现象。

( 二 ) 提升财务人员素质

财务人员素质的高低直接影响到整个医院的生死存亡, 财务管理是整个医院的经济命脉, 所以提高财务人员的素质是重中之重。对于财务人员所存在的问题, 应该采取应对之策。比如医院应该定期进行专业性知识的培训, 现在医院普遍是医学类工作人员, 而财务人员的专业素养就忽视了, 这是个误区, 因为财务人员和医学类工作人员是一样重要的。财务人员必须加强基础理论知识的学习以及会计制度的学习, 提高专业素养, 也要培养职业道德素质。也要完善对财务人员管理的体制, 做到奖罚分明, 做到规范化的管理秩序。作为一个特殊行业的服务人员, 必须工作充满热情, 细致, 严谨, 认真, 要有责任心, 只有这样财务管理在医院管理中才能起到重大作用, 要做到正确对待医院的社会效益以及经济效益。

( 三 ) 完善内部控制制度

内部控制, 要求各类工作者能够经过批准按照操作流程进行操作, 并且有相关技术人员进行监督。还要应该不定期的对人员进行综合性的考核, 提高专业素养, 在工作中实施奖罚措施, 来鼓励工作人员的积极性。要在监督过程中, 及时的发现问题, 并且找出解决的方法。医院的内部管理主要就是以标准化的制度来约束人员行为, 防止出现差错, 最大限度的实现单位的节约。医院要完善内部控制制度, 是需要多方面的配合的, 因此要加强各个科室与部门之间的相互沟通和协调能力。这样逐步完善医院的内部控制制度。

四、结束语

对于新形势下的改革, 医院的财务管理工作是一项长期的艰巨的业务, 必须做到细致, 严谨。财务管理的能力代表着一个医院的整体实力与未来的发展空间。在社会主义经济制度体系下, 医疗卫生事业面临着巨大的竞争压力, 医院的财务管理对医院在社会中能否立足起到了至关重要的作用。只有把财务管理制度逐步的进行的完善, 结合医院自身情况进行分析, 防范财务风险, 使医院的经济效益与社会效益达到最大化, 在这同时为人民提供更好的医疗服务项目。

摘要：医院健康良好的发展离不开财务管理, 它的作用至关重要。医院的财务管理涉及到医院的各项业务环节, 关系到人民群众健康的重大问题。如今医疗卫生体制在不断的进行改革, 因此加强医院财务管理任务也是重中之重。本文就简述了医院财务管理的要求以及医院财务管理所出现的问题, 并提出了解决的相应对策。

关键词：财务管理,财务人员,内部控制,健康发展

参考文献

[1]高广颖, 李月明.医院财务管理[M].北京:中国人民大学出版社, 2005

[2]谷祺, 刘淑莲.财务管理[M].大连:东北财经大学出版社, 2007

[3]马中立.论新形势下军队医院卫生经济管理[J].解放军医院管理, 2005 (1)

[4]刘爱娟, 赛岳, 杨贵欣.医院财务内部控制制度中的问题和对策[J].卫生经济研究.2000年02期

篇4：贝叶斯公式的妙用

摘 要：本文利用贝叶斯公式对三门问题和潜艇区域搜索这两类经典问题进行了巧妙求解，以便于帮助读者理解贝叶斯公式在实际中的应用。

关键词：贝叶斯公式；全概率公式；三门问题；潜艇区域搜索

贝叶斯公式是概率论中极为重要的公式，它以其灵活的特性与简洁的表达方式，受到了广泛重视。正确运用贝叶斯公式，有助于把握随机事件之间的相互影响，为我们解决复杂问题提供方便。然而，多数教材对贝叶斯公式的探讨并不深入，公式的应用形式也过于单调。读者在学习过程中，通常只是简单地套用公式，对于贝叶斯公式的本质并没有彻底理解。本文将结合三门问题和潜艇区域搜索问题，巧妙利用贝叶斯公式深入探究其本质，帮助读者更好地掌握与应用贝叶斯公式。

一、三门问题

三门问题亦被叫做“蒙提霍尔悖论”，问题如下：

电视台的一个抽奖节目。台上有三扇门，一扇后边有汽车，其余两扇后边是山羊。主持人让参与者任意选择其中一扇门。然后，他将打开其余两扇门中的一扇，参与者看到是山羊。这时，他让参与者重选（主持人知道哪扇门后面有车）。也就是说，参与者可以在剩下的门中重新再选一扇。那么，参与者该不该选？

自从该问题1991年1月在美国《检阅》杂志刊登发表后就引起了广泛热议，许多人给出了他们自己的解法，如基于条件期望的方法、穷列举法等。下面我们采用贝叶斯公式对该问题的答案进行一个新的解释。

设三扇门分别为A门、B门、C门，假设抽奖人打开A门，三扇门后面是车的概率都为1/3。主持人知道哪扇门后面有车，设主持人打开C门的概率为P（openC），基于电视台利益的考虑，主持人打开的一定是羊门。

如果车在A门后面，则主持人有B、C两种选择，打开C门概率为：P（openC|A）=；如果车在B门后面，则主持人没有选择，只能打开C门，打开C门的概率为：P（openC|B）=1；如果车在C门后面，则主持人没有选择，绝对不能打开C门，打开C门的概率为：P（openC|C）=0。

因为A，B，C三个事件是样本空间车所在位置的一个划分，根据全概率公式P（openC）=P（openC|A）P（A）+P（openC|B）P（B）+P（openC|C）P（C），解得P（openC）=。

根据贝叶斯公式，在主持人打开C门的条件下，A、B两门后面是车的概率分别为：

因此，在主持人知道内幕的情况下，抽奖者应该换门。若主持人不知道哪扇门后面有车，则同样可运用贝叶斯公式进行求解。但在绝大多数情况下，主持人对车的位置是了解的，所以本文不再对主持人不知情的情况进行详细求解。

三门问题是一个极易产生“认知错觉”的问题，对该问题进行探讨和解决，将有助于提高我们的逻辑思辨能力。本文从归纳推理的角度，利用贝叶斯公式对其进行了再分析，从而获得了三门问题的合理答案。

二、潜艇区域搜索问题

该问题改编自美国某潜艇失踪的实例：一艘潜艇因意外事故在甲、乙、丙3个区域之一失踪，相关部门判断其概率分别为1/2，1/3，1/6。搜救人员对这些区域进行搜索，若有潜艇，则每个区域发现潜艇的概率分别为1/2，2/3，1/4。现在对甲区域搜索后未找到潜艇，求潜艇在甲、乙、丙3个区域失踪的概率分别是多少。

解：设事件A、B、C分别为搜索甲、乙、丙区域未找到潜艇，事件D1、D2、D3分别为潜艇失踪在甲、乙、丙3个区域，根据题意，得：

P（D1）=，P（D2）=，P（D3）=，则：

P（A| D1）=，P（A| D2）=1，P（A| D3）=1，由贝叶斯公式可得：

这是经过一次预估后所得的结果，如果一个区域被搜索后，没有发现潜艇的踪迹，按照贝叶斯公式，这个区域潜艇存在的概率就会降低，即：

其中p是潜艇位于该区域的概率，q是潜艇在这个区域的条件下，它被搜索到的概率。如果此次搜寻未搜索到失踪潜艇，则说明甲区域潜艇存在的概率会降低；若在第二次搜寻时，仍采取原预估概率，则搜索成功的概率会降低，所以我们以所求概率代替原预估概率，得到的新预估概率如下表所示：

若将区域扩展至n个，则每次寻找时会挑选所有区域内潜艇存在概率值最高的一个区域进行搜索。如果在该区域内没有发现潜艇，可把利用贝叶斯公式求得的结果作为新预估概率，以新概率替换原有概率，然后搜索新概率中概率值最大的区域。周而复始，直到找到潜艇为止，其操作流程图如下图所示。

以上我们利用贝叶斯公式，将潜艇搜索这一较为复杂的问题进行了巧妙的求解。通过对数据的反复更新，准确地把握了各个事件间的相互影响关系，抓住了问题的关键。

三、结语

贝叶斯公式的意义在于，根据事件的结果可以探寻引起该事件发生的原因，即“执果求因”。本文利用贝叶斯公式，对三门问题和潜艇区域搜索问题从新的视角进行了再探究，详细阐述了贝叶斯公式在求解现实世界中复杂事件概率的妙用。此外，贝叶斯公式在投资、保险、工程、生产等诸多领域也都有着重要作用，能够为生产实践提供有价值的决策支持。灵活掌握贝叶斯公式，定会给我们的决策带来很大方便。

参考文献：

[1]盛骤，谢式千，潘承毅.概率论与数理统计（第4版）[M].北京：高等教育出版社，2008.

[2]宋立新.概率论与数理统计[M].北京：人民教育出版社，2008.

篇5：贝叶斯决策

2.1 引 言

模式识别是一种分类(classify)问题,即根据 识别对象所呈现的观察值,将其分到某个 类别中去.统计决策理论是处理模式分类 问题的基本理论之一,对模式分析和分类 器(classifier)的设计起指导作用.贝叶斯决 策理论是统计模式识别中的一个基本方法, 我们先讨论这一决策理论,然后讨论涉及 统计判别方法的一些基本问题.

武汉大学电子信息学院

篇6：贝叶斯决策

先验概率,后验概率,概率密度函数

Bayes(贝叶斯)公式是根据联合概率这一概 念推出的 P(x,ωi)=P(x|ωi)P(ωi)=P(ωi|x)P(x)

贝叶斯公式实质上是通过观察x,把状态的 先验概率P(i)转化为后验概率P(i|x)

武汉大学电子信息学院

篇7：贝叶斯分类多实例分析总结

提供了一种用于运动识别的聚类特征融合方法和装置，所述方法包括：将从被采集者的加速度信号中提取的时频域特征集的子集内的时频域特征表示成以聚类中心为基向量的线性方程组；通过求解线性方程组来确定每组聚类中心基向量的系数；使用聚类中心基向量的系数计算聚类中心基向量对子集的方差贡献率；基于方差贡献率计算子集的聚类中心的融合权重；以及基于融合权重来获得融合后的时频域特征集。

加速度信号 时频域特征

以聚类中心为基向量的线性方程组 基向量的系数 方差贡献率 融合权重

基于特征组合的步态行为识别方法

本发明公开了一种基于特征组合的步态行为识别方法，包括以下步骤：通过加速度传感器获取用户在行为状态下身体的运动加速度信息；从上述运动加速度信息中计算各轴的峰值、频率、步态周期和四分位差及不同轴之间的互相关系数；采用聚合法选取参数组成特征向量；以样本集和步态加速度信号的特征向量作为训练集，对分类器进行训练，使的分类器具有分类步态行为的能力；将待识别的步态加速度信号的所有特征向量输入到训练后的分类器中，并分别赋予所属类别，统计所有特征向量的所属类别，并将出现次数最多的类别赋予待识别的步态加速度信号。实现简化计算过程，降低特征向量的维数并具有良好的有效性的目的。

传感器

—> 加速度信息

–> 峰值、频率、步态周期、四分位、相关系数-聚合法-特征向量

样本及和步态加速度信号的特征向量 作为训练集 分类器具有分类步态行为的能力

基于贝叶斯网络的核心网故障诊断方法及系统

本发明公开了一种基于贝叶斯网络的核心网故障诊断方法及系统，该方法从核心网的故障受理中心采集包含有告警信息和故障类型的原始数据并生成样本数据，之后存储到后备训练数据集中进行积累，达到设定的阈值后放入训练数据集中；运用贝叶斯网络算法对训练数据集中的样本数据进行计算，构造贝叶斯网络分类器；从核心网的网络管理系统采集含有告警信息的原始数据，经贝叶斯网络分类器计算获得告警信息对应的故障类型。本发明，利用贝叶斯网络分类器构建故障诊断系统，实现了对错综复杂的核心网故障进行智能化的系统诊断功能，提高了诊断的准确性和灵活性，并且该系统构建于网络管理系统之上，易于实施，对核心网综合信息处理具有广泛的适应性。

告警信息和故障类型 训练集

—>贝叶斯网络分类器

—>训练(由告警信息获得对应的故障类型)

一种MapReduce并行化大数据文本分类方法

一种MapReduce并行化大数据文本分类方法，包括如下步骤：第一步：建立用于文本分类的基准测试数据集，进行数据预处理，包括分词、去停用词、词根还原；将该基准测试数据集随机划分为训练文本和测试文本，将所述基准测试数据集采用向量空间模型建立文本表示模型；第二步：根据上述文本表示模型采用CDMT对所述基准测试数据集进行特征选择；第三步：采用贝叶斯分类器对所述基准测试数据集进行训练学习，得到分类结果。本发明提供一种分类性能良好、区分度较高的MapReduce并行化大数据文本分类方法。

文本分类的基准测试数据集

数据预处理：分词、去停用词、词根还原 训练文本和测试文本 向量模型建立文本表示模型 CDMT对基准进行特征选择 贝叶斯分类器

分类结果

基于贝叶斯分类器的股票中长期趋势预测方法及系统

本发明涉及一种基于贝叶斯分类器的股票中长期趋势预测方法，包括：股票数据的选取，确定各个起始点及区间长度dj；划分区间，计算出历史数据区间斜率；对历史数据区间斜率进行学习并对置信度判断区间进行预测，得到以置信度判断区间起始点为起点的多个交易日的股票均价；计算置信度，将置信度与预先设定好的阈值进行比较；预测未来区间斜率,将未来区间斜率转化得到以预测区间起始点为起点的多个交易日的股票均价；将以预测区间起始点为起点的多个交易日的股票均价的涨跌进行归一化，得到股票的涨跌值；构建股票池。本发明避免了产生累积误差，展现出了在预测区间内的股票趋势变化，更好地捕捉了股市波动变化趋势，更加有效地评估了交易风险。

股票数据选取

—>确定各个起始点及区间长度--->区间斜率

-学习并置信度区间测试-股票均价-置信度

-预先设定好的阈值比较

一种数据分类的方法及装置

本发明提供了一种数据分类的方法及装置，该方法包括：预先设置多个数据的标识；根据样本数据确定每一种标识对应的分类规则；按组获取待标识的数据；将所述每组待标识的数据遍历所有分类规则；计算每种所述分类规则匹配的当前组中待标识的数据的匹配个数；确定匹配个数最大的分类规则对应的标识为当前组待标识的数据的标识。通过本发明提供的一种数据分类的方法及装置，能够提高标识数据的效率。

多数据的标识

—>确定每种标识的分类规则 —>待标识数据遍历分类规则

—>计算每种分类规则匹配当前组中标识的数据匹配个数

-确定匹配个数最大的分类规则对应的标识为当前组待标识的数据的标识。

一种移动自组网路由节点行为预测方法

本发明给出一种移动自组网路由节点行为预测方法，该方法首先选择合适的移动自组路由属性，设置模糊邻近关系，然后根据此原则对记录进行分类，最后使用贝叶斯分类器进行预测，评估路由节点的行为。本发明的目的是提供一种移动自组网路由节点行为预测方法，解决移动自组网路由节点行为预测问题，建立一种基于贝叶斯的预测方法，通过现有的数据分析，对移动自组网路由节点行为进行预测，提高移动自组网的运行效率。

移动自组路由属性 —>设置模糊邻近关系

—>然后根据此原则对记录进行分类 —>贝叶斯预测

一种基于改进贝叶斯算法的安卓恶意软件检测方法

本发明给出了一种基于改进贝叶斯算法的安卓恶意软件检测的方法，通过改进贝叶斯算法对安卓恶意程序和良性程序的特征属性进行分析和分类，实现一种基于改进贝叶斯算法的恶意软件检测方法，从应用程序权限申请的角度出发，判断分析是否为恶意软件。该方法是利用安卓权限请求机制中权限请求标签作为检测的数据源。在此提出利用权限请求标签组合方式用于区分恶意软件和良性软件，利用改进的贝叶斯算法做出检测模型，改进的贝叶斯体现在其对数据源的属性之间的考虑了相互的独立性，这样再利用朴素贝叶斯分类器进行数据建模，大大提高了检测指标，提高了检测的正确率，以及减少了误报率。

利用权限请求标签作为检测标准

权限请求标签组合方式区分 恶意软件和良性软件 贝叶斯算法检测 朴素贝叶斯分类器建模

微博分类方法及装置

本发明公开了一种微博分类方法及装置。该方法包括：步骤1，对训练语料集合进行预处理，对预处理后的训练语料进行分词，获取候选特征，并对候选特征进行权重计算，根据权重计算结果进行特征选择，获取最终的分类特征；步骤2，根据最终的分类特征，采用贝叶斯分类器进行模型训练，获取分类模型；步骤3，采用贝叶斯分类器根据分类模型对微博文档进行分类。借助于本发明的技术方案，提高了分类的召回率与准确率。

训练语料集合 预处理 

一种城市轨道交通客流高峰持续时间预测方法

本发明公开了一种城市轨道交通客流高峰持续时间预测方法，包括以下步骤：首先选择足够样本量的历史客流数据，然后对原始数据进行处理，处理过程包括流量统计、高峰时间计算、数据清洗、数据区间分类，接着建立关联客流高峰事件属性集，接着计算每一个区间的客流高峰事件的概率分布，再使用贝叶斯分类的方法确定属性分类界限，最后对每一类客流高峰事件建立时间序列模型，并对方法的有效性进行检验。本发明可用于预测城市轨道交通常发和突发的客流高峰事件的持续时间，为轨道交通企业的客流高峰管理提供数据支持，能缓解通行能力浪费和服务水平降低的矛盾，跟随轨道交通客流的变化。

原始数据—（流量统计、高峰时间计算、数据清晰、数据区间分类）--关联客流高峰事件属性集 – 概率分布 – 贝叶斯分类—时间序列模型

一种基于Android平台的入侵检测系统

本发明公开了一种基于Android平台的入侵检测系统，主要由三部分组成，即数据提取模块、数据分析引擎和响应处理模块；其中数据提取模块主要是对Android系统手机的主体活动信息进行特征提取；数据分析引擎是利用检测算法对提取和整理的数据进行分析，判断是否存在入侵行为或者异常行为；响应处理模块则根据数据分析引擎的分析结果执行相应的处理操作；该入侵检测系统通过对手机的资源使用情况、进程信息和网络流量实时监控，并使用贝叶斯分类器算法判断系统是否被入侵，通过该入侵检测系统能够有效地检测Android手机的异常。

数据提取：特征提取 数据分析： 响应处理：

一种利用相关系数进行相关性分析的贝叶斯分类数据挖掘方法

公开了一种利用相关系数进行相关性分析的贝叶斯分类数据挖掘方法。初步选定一些可能与目标因子具有相关性的预测因子，对预测因子和目标因子进行模型训练，再对训练结果利用相关系数进行相关性分析，如果预测因子和目标因子相关性不大或者不相关，可以立即终止贝叶斯分类算法，不再进行后面的精度评估等步骤，以便用户保留有关预测因子，去掉无关预测因子或者重新选定预测因子；如果预测因子和目标因子相关性很大或者相关时，再在此基础上进行精度评估，评价贝叶斯分类算法的好坏。通过在分类模型的基础上进行相关性判断，不仅可以使分类预测结果更加可靠，而且可以节约资源，提高算法的效率。

预测因子和目标因子—模型训练 – 相关性分析

一种基于改进贝叶斯的轨道交通故障识别方法及系统

本发明公开了一种基于改进贝叶斯的轨道交通故障识别方法及系统。本方法为：1）根据交通设备的电路结构确定每一交通设备的各种故障模式及对应的监测量，并针对每一故障模式及对应的监测量建立一故障模型；2）根据故障模型识别出监测数据之间的父子关系，得到标准故障样本数据；3）利用标准故障样本数据，采用贝叶斯算法进行训练，得到故障识别模型；每一故障模式的故障识别模型中父节点的权重要大于子节点的权重；4）实时监测和采集交通设备的各种所述监测量，并记录其时序；5）利用故障识别模型对数据进行识别，确定出对应的故障。本发明提高了故障识别的准确率，缩短故障修复时间，设备可故障自诊断，从运维和设备两方面保障行车安全。

一种基于朴素贝叶斯分类器的假指纹检测方法

一种基于朴素贝叶斯分类器的假指纹检测方法，包括以下步骤：1）训练库划分；2）图像归一化；3）特征提取；3.1）离散小波变换；3.2）去噪；3.3）小波重构；3.4）噪声图估计；3.5）标准差图计算；3.6）划分标准差图，统计得到图像的特征；4）特征划分；5）分类器训练；6）分类器性能评估；7）分类器融合：利用朴素贝叶斯分类器构造的方法，融合得到新的分类器。本发明对单个分类器性能要求不高，但分类器融合后的效果却可以非常好。

一种基于主题网络爬虫的搜索方法及装置

本发明公开了一种基于主题网络爬虫的搜索方法及装置，所述方法包括：从与给定搜索主题相关的网页地址集中提取一个网页地址；获取所述网页地址对应的有效网页；对所述有效网页进行分析，得到有效网页内容；计算所述有效网页与搜索主题在语义上的相关度，即立即价值，并将符合预设条件的有效网页及包含的网页链接添加到页面数据库；对于不符合预设条件的有效网页，计算网页链接相对于所述搜索主题的链接价值，即未来回报价值，并将符合条件的网页链接添加到网页地址集中。本发明实施例通过计算不满足条件的网页链接的未来回报价值，来预测主题网络爬虫的搜索方向，从而避免了主题网络爬虫对无关网页的抓取，提高了主题网络爬虫抓取网页的准确性。

一种软件需求分析量化方法及系统//预计分析工单处理时长

一种软件需求分析量化方法及系统，包括：样本获取模块以基本过程为分类对象，获取分类器的样本，每一样本中，待分类项的特征属性值根据历史数据中一基本过程的特征属性的取值确定，输出类别根据历史数据中该基本过程的开发时间确定；分类器生成模块利用获取的样本作为训练样本训练分类器模型，生成分类器；分类模块在确定软件需求划分成的基本过程的各项特征属性取值后，利用所述分类器进行分类，得到相应的输出类别即开发时间。本发明利用历史数据生成分类器，并引入功能点所属模块类型的特征,可以更为准确地估算软件开发时间，对量化软件开发过程，控制软件生命周期有良好效果。

基于分布式多级聚类的话题检测装置及方法

本发明公开了一种基于分布式多级聚类的话题检测装置及方法，该装置主要包括新闻采集模块、新闻分类模块、话题检测模块和话题整合模块以及话题展示模块；该方法包括：题检测方法，其特征在于，该方法包括：A、对新闻进行采集的步骤；B、对所述新采集的新闻进行分类的步骤；C、对各频道并行地进行多级聚类的步骤；D、计算所有话题的热度，筛选出全系统内的热点话题和每个频道内的热点话题。采用本发明，能够解决在互联网环境中大量文档快速更新的条件下，话题检测面临的检测效果与时间开销的尖锐矛盾。

一种基于协同训练的垃圾邮件过滤方法和装置 本发明实施例提供了一种基于协同训练的垃圾邮件过滤方法和装置，方法包括：输入待过滤的邮件集合；根据邮件集合得到每个样本的特征向量，其中一个样本对应一封邮件；将每个样本的特征向量划分为第一特征向量子集和第二特征向量子集，第一特征向量子集中的特征来源于邮件头信息，第二特征向量子集中的特征来源于邮件内容信息；将第一特征向量子集和第二特征向量子集分别作为每个样本的第一视角和第二视角；利用第一视角和第二视角进行基于贝叶斯分类器的协同训练得到最终的第一分类器和第二分类器；根据第一分类器和第二分类器对垃圾邮件进行分类过滤。本发明实施例可以在样例较少的情况下更加有效地对大规模数据进行分类预测和过滤。

待过滤邮件集合每个样本的特征向量—>2个特征子集（头和内容）2个视角—>利用NB得到两个分类器过滤

场景分类器模型分析报告

目的

利用朴素贝叶斯分类器建立故障工单范围内，区分有效和无效工单。

业务分析

模式提取分析，预处理，算法输入和参数设置，输出，解释说明

术语说明

数据采集

数据预处理

算法步骤

SPSS验证和结果解释

问题

篇8：高考为谁背了黑锅

学生学业负担越来越重,生理和心理状况越来越差,生活经验和社会责任感几乎无从积累,越来越大的压力和日渐脆弱的心灵,已无法承受分数之“经”。

所有的矛头都对准高考。因为你,我们才对分数趋之若鹜;因为你,我们才对生活置之不理;因为你,我们才对未来雾里看花。为了你,我们舍生忘死;为了你,我们不计代价;为了你,我们南辕北辙。

刹那间,犹如山雨欲来之猛烈,什么应试、不全面发展、阻碍课程改革、高分低能、学生不堪重负,甚至用摧残来形容当下教育现状———都是高考惹的祸。高考试题难了,超纲了,学生分数低了;或者是容易了,拉不开差距了,选拔性差了。学生应对高考如临深渊,家长应对高考如坐针毡,学校应对高考如履薄冰,社会应对高考如临大敌。

一、高考有什么错?

高考作为一个终结性考试,无论好坏,都有其自身的价值,我们只能用其中的信息去解释、佐证、指导,而不能将自己的价值取向和要求强加在高考之上:什么难度系数、区分度,什么知识和能力,什么思想和方法,甚至维稳功能和发展战略,可高考不是万能。

高考作为一个普通性考试,本身不具有指导性,而人们总是误将它的甑别和诊断功能当成它的指导功能。我如果不是为了它,它又如何能误导我?想想教学的繁难和高考的标新立异,是它误导了我,还是我引导了它。

高考作为一个一般性笔试,并不能全面反映一个学生的素养和能力。它只是一次考试,其偶然性众所周知;它只是一次笔试,就连听说读写四项基础能力,也无法全面考核;它只是一次非常考试,在非常态下的考试,学生承受巨大压力,并不能正常考核学生的知识和学科能力。当然,现在美其名曰,高考考查的是综合素质,但最终呈现的还是学科分数,录取时还是以分数作为学科能力的评价。据此,如要考核学生心理,则应另择项目。

二、那为什么我们会被误导?

最主要的原因是评价。

一是学科评价。考试是唯一的评价教学,这是我们被误导的原因。对分数的科学性和公平性的过分放大,使得我们在教学评估时,泛滥式地使用分数。高校看分数,学校数分数,教师捉分数,学生唯分数。于是乎,对分数的追求变本加厉,应试之狂风呼啸,学生之哀声遍野。本来应为一过程性评价,却为结果性评价所替代。

二是社会评价。社会对教育的诉求是深刻的,但对教育的评价标准是肤浅的。久而久之,这样一种标准似乎变成了最终诉求。人们似乎忘了上学的目的和意义,上了大学就是终点,那以后还要做什么?人们似乎不去关心和评价上了大学以后的发展状况,那高考成绩和录取自然成为对学校的终审,那当然也被逼着成为学校的最大追求。

三是行政评价。当下,学校的发展定位和追求目标更多地来源于行政评价。行政干预本应是一种达标性、基础性管理,在保证基础性发展之上,实现教育的百花齐放、个性张扬。然而,侧重于评优争先的行政评价,让更多的学校办学目标同质化、功利化、应试化。现在的行政要求更多地受制于社会,但对教育来说,我们不应该多一些理想和专业清高吗?毕竟,社会永远都是功利的。

三、社会对教育的强烈诉求错了吗?

这种要求反映了社会的教育饥渴。这种饥渴我们花费了31年的时间培养,切不可在功利化和难堪其重中消失。

这种倾向反映了社会对教育的重视。无论是出自于内在需要,还是来源于外部压力,社会对教育的需求都增加了,要求都提高了。

这种现象反映了教育发展的初级阶段。第一是教育还未能满足社会需求,这样一种教育资源的短缺,造成升学压力的膨胀。第二是社会需求对教育还不够理性,不仅是由于升学压力的强迫,还在于在教育发展的初期,人们对教育的盲目,对生命意义的盲目。第三是教育资源与社会发展的结构性不合理。社会对人才的需求,政府对人才培养的规划,教育资源的配套,应当是三为一体的。结构性的不合理,如学术研究型人才和技术应用型人才的资源结构的不合理,这是造成教育拥堵、人才过剩而同时又人才缺乏的原因。

所以说,错不在社会对教育的诉求,而在于如何满足它。

四、高考还要改革吗?

这个问题的前提是:高考出问题了吗?高考本身并没有出问题,而是使用上出了问题,如评价的标准出了问题。再深入想一步,也不是评价标准的问题,究其源头,而是高校录取标准的问题。因为高校录取的唯分数论,才有了以上说的一系列问题的出现。

到这儿,我们逐步可以明晰:不是或不仅是高考制度要改革,高校录取制度和办法更要改革。录取时,不唯分数,不学科本位,这会引导社会教育价值观和评价观,也会直接影响学校教育。现在也在进行着高招改革,如增加高校招生自主权,但仍是在同样价值观指导下的选拔性招生,完全可以在这一方面真正实现对学生的多元评价和录取,逐步引导基础教育,而这也正是高等教育今后发展的基础和希望。再例如,高校根据招生计划按分数投档,但进档后,高校在录取时多元标准的筛选,像平时成绩、活动情况、身体素质、教师评语等。在这些折中或者说过渡办法中,分数仍重要,但它只是一个因素,只是入门条件。

当然,还有一个社会诚信度的问题,我们总要做些什么,不然社会如何向前发展?

篇9：贝叶斯网络推理的研究与分析

关键词：贝叶斯网络；贝叶斯网络推理；概率推理

中图分类号：TP18 文献标识码：A文章编号：1009-3044(2007)15-30834-02

Research and Analysis of Bayesian Networks Inference

HUANG Jian-ming1，FANG Jiao-li1，ZHAO Bo2

(1.Computer Center,Kunming University of Science and Technology，Kunming 650093,China；2.Yunnan Nationalities University，Kunming 650031,China)

Abstract：Bayesian networks is a powerful tool to uncertain knowledge representation and reasoning in Artificial Intelligence。This thesis gives a introduction to the concept of Bayesian networks，and gives one example，the method and process is presented to Bayesian networks inference。

Key words：Bayesian ntworks；Bayesian networks inference；Probability inference

1 引言

贝叶斯网络是一种有向无环图（DAG），由Pearl于1988年提出的一种基于概率论和图论的不确定知识表示和推理模型。它具有坚实的理论基础，知识结构的自然表达方式，灵活的推理能力，方便的决策机制。随着研究的逐渐成熟，贝叶斯网络已被广泛应用在医疗诊断、数据挖掘、模式识别、决策支持等领域。目前贝叶斯网络的研究热点主要集中在结构学习、推理和应用三个方面。

2 贝叶斯网络

贝叶斯网是每个结点都带有一张概率表的有向无环图（DAG），在贝叶斯网中，结点表示问题域中的随机变量，弧表示这些变量之间的条件依赖关系。每一个结点都包含一张概率表，把各结点和它的直接父结点关联起来。

定义：贝叶斯网络是一个有向无环图，它可以表示为一个三元组（N,E,P）。N是一组结点的集合，N={x1,x2,…,xn}，每一个结点代表一个变量(属性)。Ｅ是一组有向边的集合，E={|xi≠xj并且xi,xj∈N}。每一条边表示变量xi,xj具有因果关系(xi是xj的因，xj是xi的果)。P是一组条件概率的集合，P={p(xi|πi)|p(xi|πi)}表示xi的父亲们πi对xi的影响，p(xi|πi)表示给定条件πi，xi发生概率}。

定理：一个贝叶斯网络表示的联合概率函数p=(x1,x2,…,xn)定义为：（假设贝叶斯网有n个结点）p=(x1,x2,…,xn)=■p(xi|πi)，其中πi为xi的父亲结点的集合。P=(x1,x2,…,xn)表示事件x1,x2,…,xn同时发生的概率。

图1是一个简单的贝叶斯网，表示下雪、堵车、摔交、迟到、骨折之间的关系。它表示的联合概率函数为：

p(a,b,c,d,e)=p(a)p(b|a)p(c|a)p(d|b,c)p(e|c)

贝叶斯网络中的一个结点，如果它的父结点已知，则它条件独立于它的所有非后代结点。图1中，给定C，则E条件独立于A，B，D。

除了条件独立性外，每个结点还关联一个概率表。

（1）如果结点X没有父结点，则表中只包含先验概率P（X）。

（2）如果结点X只有一个父结点Y，则表中包含条件概率P（X｜Y）。

（3）如果结点X有多个父结点{Y1，Y2，．．．，Yk}，则表中包含条件概率P（X｜Y1，Y2，．．．，Yk）。

图1 一个简单的贝叶斯网络

3 贝叶斯网络的推理

贝叶斯网的推理是在给定的网络结构和已知证据下，计算某一事件发生的概率。贝叶斯网络推理有两种推理模式，即因果推理（由上向下）和诊断推理（自底向上）。因果是给出一些特征，来预测可能发生的情况；而诊断是指己知发生的事件，去探索发生该事件的可能原因。根据不同的推理目标，贝叶斯网推理有四种推理任务: 信度计算与更新(Belief Updating)，最大后验假设(Most Aposterior Hypothesis)，最可能解释(Most Probable Explanation)，期望有利度最大(Maximize the Expected Utility of Problem)。

贝叶斯网的推理方法可分为两类：一类称为精确推理，即精确地计算假设变量的后验概率。另一类称为近似推理，即在不影响推理正确性的前提下，通过适当降低推理精度来达到提高计算效率的目的。精确推理一般用于结构简单的贝叶斯网推理。对于结点数量大、结构复杂的贝叶斯网，精确推理的复杂性会很高，因此常采用近似推理。

精确推理完全按着概率基本公式对查询给以回答，当前的一些精确算法是有效的，能够解决现实中的大部分问题，然而受知识的认知程度所限，精确推理算法中还面临着很多问题需要解决，其中网络的拓扑结构是影响推理复杂性的主要原因。比较典型的精确推理算法有：基于Poly Tree Propagation的算法，基于Clique Tree Propagation的算法，Graph Reduction方法，基于组合优化问题的求解方法（SPI）。

理论上，精确推理能够满足任何推理任务，然而随着网络规模的扩张，精确推理的时间是难以预测的。同时，网络拓扑结构的一个微小变动可能使相对简单的问题变得相当复杂，所以研究近似的推理算法成为一个相当活跃的领域，然而就算法复杂性而言，精确推理和近似推理都是NP问题，但近似推理算法确实可以解决一些精确推理无法解决的问题。近似推理方法在运行时间和推理精度之间采取了一些折中，力求在较短的时间内给出一个满足精度的解。近似推理算法主要有：随机仿真法（Stochastic Sampling），基于搜索的近似算法（Search-based），模型简化方法（Model Simplification）和循环信度传递方法（Loopy Propagation）。

3 一个贝叶斯网络推理的实例

图2是对心脏病或心口痛患者建模的贝叶斯网络。假设图中每个变量都是两个值。心脏病结点（HD）的父结点为影响该疾病的危险因素，有锻炼（E）和饮食（D）等。心脏病结点（HD）的子结点对应该疾病的症状，如胸痛（CP）和高血压（BP）等。而心口痛（h）可能源于不健康的饮食，同时又可能导致胸痛。

图2 发现心脏病和心口痛病人的贝叶斯网络

根据图2，讨论不同情况下，如何诊断一个人是否患有心脏病。

（1）没有先验信息

可通过计算P(HD=Yes)来判断一个人是否患心脏病。设α∈{Yes，No}表示锻炼情况的两个值，β∈{健康，不健康}表示饮食的两个值。

即此人得心脏病的可能性为49%。而P(HD=No)=1-P(HD=Yes)=0.51。

（2）患高血压的情况下

如果一个人有高血压，可计算P(HD=Yes|BP=高)来诊断他是否患心脏病。首先，应先计算P(BP=高)。

P(BP=高)=■P(BP=高|HD=γ)P(HD=γ)=0.85×0.49＋0.2×0.51=0.5185

其中，γ∈{Yes，No}。所以，此人患心脏病的概率为：

因此，当他患有高血压时，患心脏病的概率为80.33%。相应地，P(HD=No|BP=|高) 1－0.8033＝0.1967。

（3）患高血压、饮食健康、经常锻炼身体的情况下

此人患心脏病的概率为：

即在此情况下，他患心脏病的概率为58.62%。

4 结束语

贝叶斯网络是人工智能中不确定知识表示和推理的有力工具，而贝叶斯网络的推理和贝叶斯网络的学习、贝叶斯网络的应用都是贝叶斯网络当前研究的热点。本文给出了贝叶斯网络的定义，并结合实例，介绍了贝叶斯网络推理的方法和过程。

参考文献:

[1]Pear J．Probalilistic reasoning in intelligent systems：Networks of plausible inference．San Mateo：Morgan Kaufmann Publishers，1988．

[2]Nils J.Nilsson(美).人工智能[M].郑扣根,庄越挺,译.北京:机械工业出版社,2005:197-224.

[3]Pang-Ning Tan Michael Steinbach Vipin Kumar(美),范明，范宏建，译.数据挖掘导论[M]．北京：人民邮电出版社，2006:139—150．

[4]刘启元,张聪,沈一栋.信度网推理-方法和问题[J].计算机科学,2001,28(1):74-77.

篇10：贝叶斯matlab实验报告

为提高对战场态势判断的准确性,从而提升指挥引导战斗机的效率,提出运用贝叶斯方法对敌机态势进行估计的方法.首先介绍了贝叶斯决策的基本原理、基于最小错误率的.贝叶斯决策规则,以及基于最小风险的贝叶斯决策规则.其次,对两种决策规则分别进行仿真,在情况不明的状态下,可以得到比较合理的决策结果.最后说明了在判明战场态势的情况下如何进行指挥引导解算.

作 者：杨建广 王瑾 卢霞 YANG Jian-guang WANG Jin LU Xia  作者单位：杨建广,YANG Jian-guang(空军工程大学电讯工程学院,西安,710077)

王瑾,WANG Jin(空军工程大学科研部,西安,710051)

篇11：贝叶斯matlab实验报告

基于贝叶斯网络的飞机易损性评估方法

文中介绍了贝叶斯网络的.基本知识以及结点概率的计算方法,提出了飞机易损性评估的贝叶斯网络方法,并建立了基于某型飞机模型的易损性评估的贝叶斯网络模型,最后通过算例证明了该方法的合理性.

作 者：范俊 李曙林 王怀威 侯满义 FAN Jun LI Shu-lin WANG Huai-wei HOU Man-yi 作者单位：空军工程大学工程学院,西安,710038刊 名：弹箭与制导学报 PKU英文刊名：JOURNAL OF PROJECTILES, ROCKETS, MISSILES AND GUIDANCE年，卷(期)：27(1)分类号：V214.1关键词：贝叶斯网络 飞机易损性 易损性评估

篇12：贝叶斯matlab实验报告

基于贝叶斯动态模型的某器件性能预测

在导弹武器系统当中,及时准确的故障预报对提高导弹的安全性具有极其重要的意义.本文根据导弹惯性器件故障预报系统的.设计要求,利用贝叶斯动态线性模型对导弹某惯性器件的性能进行了预测研究.贝叶斯预测是利用历史信息和从样本获得的信息来获取后验分布的一种预测方法,该方法不需要平稳性的假设,而且充分利用了已有的信息,可以用来对电子设备的性能进行预测.实例研究表明,该方法具有比较好的预测效果.

作 者：樊红东 胡昌华 丁力 FAN Hong-dong HU Chang-hua DING Li  作者单位：第二炮兵工程学院,陕西,西安,710025 刊 名：电光与控制  ISTIC PKU英文刊名：ELECTRONICS OPTICS & CONTROL 年，卷(期)： 13(1) 分类号：V271.4 TJ76 关键词：贝叶斯   动态线性模型   性能预测   惯性器件  

篇13：公路线形设计方案选择

关键词：公路线形设计,综合评价,方案

1 引言

公路是自然界中的人工构造物, 其位置确定不仅受到地形、地质、生态等建设条件的影响, 而且修建以后又反作用于自然, 对自然的地形、生态等会造成或多或少的破坏, 同时路线位置还会对运行安全产生长期深远的影响[1]。公路设计的核心工作就是公路线形设计, 它会影响反馈给驾驶员的公路视觉形态, 其质量还直接影响着公路运营的安全、经济等功能的发挥。据相关调查研究可以看出, 我国现行的公路设计遵循的是JTG D20-2006公路路线设计规范中所规定的公路线形设计标准值, 这是一种以设计速度为基础参数的公路设计方法, 也就是说用设计车速为基础设计参数来规定其最低的设计标准, 至于别的设计指标就要凭借设计车速来决定了。本文即是依据公路的特点, 对公路路线方案的选择、原则以及步骤等进行研究, 进而从公路路线方案选择方面来完善公路路线设计。

2 国内外相关研究及其存在的问题

国外的路线设计的理论是比较先进的, 特别是一些发达的欧美国家对于这方面的研究已经从单纯的只注重汽车的动力因素, 转向了对于驾驶员的生理心理因素的着重考虑, 提倡以人为本的设计理念, 注重线形设计后使用上的舒适性, 并在开展设计的安全性、连续性、一致性、经济性等方面进行了研究。在我国通常是以经济评价和财务评价的方式来比较公路线路方案的优缺点的, 这样的机制并不是最科学合理的, 很容易忽视经济以外的环境和社会因素。

3 选择路线方案的具体步骤

作为公路建设的关键内容的公路路线方案的选择几乎贯穿了整个公路建设的前期工作。路线方案的选择主要有公路通道选择、路段方案比较和局部线位优化论证三个步骤。公路通道选择又要经过通道选择和工程建设规模研究这样的两个阶段, 在项目工程可行性研究中应用较广;路段方案比较是公路路线方案的选择过程中最为复杂繁琐的工作, 用于项目工程的可行性研究、技术设计比较以及初步设计;局部路线线位优化论证主要用于两个方面即项目初步设计与施工图优化设计, 这也是路线方案研究的最后一个阶段。

4 侧重于生态环保的公路选线方式

生态环保的公路选线的过程也被叫做环境协调性研究, 基本的要求就是对所提方案进行比较, 选出其中环境破坏最小的方案。这一过程主要包括: (1) 以环境敏感性调查与分析为基础。这是生态选线中一个十分重要的阶段, 其工作主要考虑的是环境保护的空间分析及其评价, 找出对环境影响比较小的路线或对环境敏感性较高的区域。环境敏感性调查还要涉及水土环境保护、野生动植物保护等所有与环保有关的问题。 (2) 可行性方案的比较选择。借助于公路CAD软件, 可以预先设置可行性方案, 并在实际的调查工作基础上, 从环境协调性方面对公路的经济性、美观性和安全性等进行比较, 于可行性方案中确定一个实施最佳方案。

5 综合评价的内容及其指标的选择

5.1 传统路线方案评价的内容及其指标的选择

经济财务评价与工程技术评价是传统路线方案比选评价的主要内容。经济财务评价指标有财务净现值、投资回收期、财务内部收益率和财务净现值率等不同的分类, 主要用于确定评价指标中的财务收益率和投资回收期, 既是路线方案选择的一个重要的依据, 又是项目评估和可行性研究的重要内容之一。路线方案本身技术评价和路网结构技术评价是线路方案技术评价的两个方面的内容, 其中路线方案本身技术评价包括:路线长度及其路线延长系数、转角数、与既有铁路及其道路的交叉口数、最小曲线半径数、限制车速的路线长度等;路网结构技术评价指标包括:路网的可达性、公路网的连通度、公路网技术等级路网密度。

5.2 路线方案公路运营效益评价的内容及其指标的选择

5.2.1 环境性评价

车辆排放的物质会直接危害到人们身体的健康, 并且还会对自然界中的一些动植物以及自然环境本身产生不良的影响。汽车的类型及其行驶的状态会对自然环境产生不同的影响, 这就要求在公路项目建设的具体实施过程中要充分考虑环境的各方面因素, 重视环境性评价, 尽量减少环境污染。

5.2.2 交通安全性评价

交通安全性评价是路线方案设计中对于公路投入运营以后路网或道路交通事故情况的评价, 目的是为了能够减少交通事故率、确保路网畅通以及旅客和国家的利益安全。就一段道路来讲, 设计速度VD与运行速度V85要处于平衡, 它们之间不能存在较大的差异, 只有如此才能保证设计的一致性。当|V85-VD|>20 km/h时, 设计速度与行驶速度已经不相符, 就极易酿成交通事故, 这样的设计存在较大隐患, 应该重新设计。交通安全性评价的具体指标如下:

a.曲线变率 (CCRs) :

CCRs为曲线变率 (包括缓和曲线) , 度/km;Ls1, Ls2分别为前后缓和曲线长度, m;Lc为圆曲线长度, m;L为曲线长度, km。

b.运行速度V85

运行速度即汽车行驶中的实际运行速度。它是一个随机的变量, 因驾驶员、车辆型号、路段条件等车辆行驶条件不同, 其运行速度也是不尽相同的。所以, 在具体的实施中, 一般是将畅通交通的情况之下, 以各种不同类型的汽车在车速累计分布曲线上第85位百分点上所测得的对应速度值作为其运行速度。相关人士通过分析大量数据得出, 在具有相似平曲线线形要素特征路段上的运行速度是比较稳定的。

c.设计速度VD

设计速度是公路线形设计中的一个十分重要的参数, 即是在气候相对适宜、交通密度较小而运行车辆只受路面、附属要素等路况因影响的情况下, 驾驶技术处于中等水平的驾驶人员于安全状态下的最大时速, 对公路线形的设计起着决定性的作用。

d.相邻曲线半径的关系

据相关调查显示, 如果只是单纯对单个曲线半径进行控制, 是不能确保公路设计安全性的。因为, 在设计过程中设计人员一般只是对单个曲线半径进行监控, 检测其是否能满足相关技术的规定标准, 却并不重视相邻曲线半径间的关系。所以, 要确保设计的安全, 就必须让相关设计人员了解相邻曲线半径和安全性之间的关系, 重视相邻曲线半径间的关系。

5.2.3 舒适性评价

无论是对于乘客还是对于驾驶员来说舒适性都是一个十分重要的公路设计的评价指标, 其具体的评价方法分为主观评价和客观评价两种。车速可以说是汽车行驶时对公路线形状况的直观反映, 不过据相关研究表明, 车速大小并不会对车的舒适度产生直接的影响, 当驾驶员以安全的车速驾驶车辆的时候, 其体力和精神相对充沛不会显得过于疲劳, 也就不会有不适之感, 而车辆行驶时的不适感大都是由于车速的急剧变化造成的。因此, 依据道路路线的实际方案和行驶舒适性的相关研究, 应选择用横向加速度和纵向加速度这两个指标进行路线方案的舒适性的评价。

6 总结

本文分析和总结了公路路线方案选择的一些特点, 而且比较系统的就公路路线方案选择的基本原则及其步骤进行了讨论, 并提出了生态选线和安全选线的选择方法及其选择标准。提出的这些公路线形设计方案的具体选择方法, 可以帮助相关的设计人员在公路选线的过程中合理地化解一些矛盾、协调好各方面的因素, 进而加快公路建设工作的进程

参考文献

[1]李荣生.公路路线方案影响因素及评价指标研究[J].2009 (7) :55-56.

[2]陈晓利, 雷鸣.基于模糊判断的高速公路线形安全性评价[J].中国水运, 2007 (10) :20-22.

[3]彭志群.道路平面线形舒适性评价方法研究[D].西安:长安大学硕士论文, 2005:5.

篇14：贝叶斯matlab实验报告

摘要：针对朴素贝叶斯算法应用于反垃圾邮件过滤时，其有效性十分依赖于对邮件内容的有效建模，而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能，采用了三种概率分布对邮件内容进行建模，据此提出了3种概率分布下的朴素贝叶斯算法，为了提高训练效率，算法采用了一种增量式的垃圾邮件过滤方法，在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比，分析出三种贝叶斯分布的适用范围，从不同分布的邮件内容建模角度出发，为过滤垃圾邮件的方法选择提供了有效依据.

关键词：邮件过滤；朴素贝叶斯；机器学习

摘要：针对朴素贝叶斯算法应用于反垃圾邮件过滤时，其有效性十分依赖于对邮件内容的有效建模，而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能，采用了三种概率分布对邮件内容进行建模，据此提出了3种概率分布下的朴素贝叶斯算法，为了提高训练效率，算法采用了一种增量式的垃圾邮件过滤方法，在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比，分析出三种贝叶斯分布的适用范围，从不同分布的邮件内容建模角度出发，为过滤垃圾邮件的方法选择提供了有效依据.

关键词：邮件过滤；朴素贝叶斯；机器学习

摘要：针对朴素贝叶斯算法应用于反垃圾邮件过滤时，其有效性十分依赖于对邮件内容的有效建模，而邮件内容建模方面研究尚不成熟限制了贝叶斯方法在垃圾邮件过滤中的性能，采用了三种概率分布对邮件内容进行建模，据此提出了3种概率分布下的朴素贝叶斯算法，为了提高训练效率，算法采用了一种增量式的垃圾邮件过滤方法，在trec05p-1、trec06p两个公开数据集上对这3种贝叶斯算法进行了实验对比，分析出三种贝叶斯分布的适用范围，从不同分布的邮件内容建模角度出发，为过滤垃圾邮件的方法选择提供了有效依据.

篇15：MATLAB上机实验实验报告

一、实验目得 初步熟悉 MＡＴLAB 工作环境，熟悉命令窗口，学会使用帮助窗口查找帮助信息。

命令窗口 二、实验内容(1)熟悉ＭＡＴLＡB平台得工作环境.（2）

熟悉MATＬAB 得5 个工作窗口。

(３)ＭＡＴLＡB 得优先搜索顺序.三、实验步骤 1、熟悉MATＬAB 得5 个基本窗口 ① ｍａnd Windｏw(命令窗口)

② Ｗｏrkspａｃｅ（工作空间窗口)

③ mand Ｈistory（命令历史记录窗口)

④ Ｃuｒrent Ｄiｒectory（当前目录窗口)

⑤ Hｅｌp Windoｗ（帮助窗口)

(1)命令窗口（manｄ Wｉｎdow）。

在命令窗口中依次输入以下命令：

＞〉ｘ＝1 〉> y=[1 2 ３

４ 5 6８ ９]； 〉> z１=[1:10］，z2=［1:2:5]； >> w=linｓｐａce（1，10,１0)； >〉 ｔ1=oneｓ(3),ｔ2＝onｅs(1,3),t3＝ｏnｅs(３，１)〉〉 t４=ｏneｓ（3),t4＝ｅye（4)x =1 z１ =

３

9t１ =

１

１

ｔ2 =

１

t3 =

１ t4 =

１

１

１

t4 =

１

0

0

0

０

0

0

0

0

0

0

0

0

思考题: ①

变量如何声明, , 变量名须遵守什么规则、就是否区分大小写。

答:（１）变量声明

1、局部变量 每个函数都有自己得局部变量,这些变量只能在定义它得函数内部使用。当函数运行时，局部变量保存在函数得工作空间中，一旦函数退出,这些局部变量将不复存在。

脚本（没有输入输出参数，由一系列MＡTLAB命令组成得Ｍ文件)没有单独得工作空间,只能共享调用者得工作空间。当从命令行调用,脚本变量存在基本工作空间中;当从函数调用，脚本变量存在函数空间中． ２、全局变量 在函数或基本工作空间内，用global声明得变量为全局变量。例如声明a为全局变量:

＞〉gｌobaｌ a 声明了全局变量得函数或基本工作空间,共享该全局变量，都可以给它曲赋值。

如果函数得子函数也要使用全局变量,也必须用ｇlobaｌ声明.3、永久变量 永久变量用persｉstｅｎt声明,只能在M文件函数中定义与使用,只允许声明它得函数存取.当声明它得函数退出时，MAＴLＡB不会从内存中清除它,例如声明a为永久变量: 〉〉peｒsiｓtent ａ(2)变量命名规则如下: :

始于字母，由字母、数字或下划线组成;区分大小写;可任意长,但使用前Ｎ个字符．N与硬件有关,由函数ｎamｅlｅngthmａx返回，一般N=63； 不能使用关键字作为变量名（关键字在后面给出)； 避免使用函数名作为变量名.如果变量采用函数名,该函数失效.(3)区分大小写

②

试说明分号、逗号、冒号得用法。

答:分号:加上分号“；“其作用就是将计算机结果存入内存，但不显示在屏幕上,反之,语句结尾若不加“；”,则表示在语句执行后，在将计算结果存入内存得同时,还将运算结果显示出来.逗号:分割列表

冒号:从什么到什么，比如1:10意思就是——1到1０ ③ ③

l ｉnspace（））

称为“线性等分”函数, , 说明它得用法。可使用hｅｌp命令，格式如下：

>>help lｉnspace

④

数 说明函数 ones（））、、zero ｓ（）、eye()得用法。

答;(1)ｏnｅｓ（）函数：全部元素都为 1 得常数矩阵;(2)zeroｓ（）函数:全部元素都为 0 得矩阵；（3)eye()函数:单位矩阵;

(４）liｎｓpaｃe（）函数:如 a=linspace（ｎ1，n2,ｎ３),表示在线性空

间上，行矢量得值从 n1 到 n２(2)工作空间窗口(Woｒkspace)． 单击工作空间窗口右上角得按钮,将其从MATLAB 主界面分离出来。

① 在工作空间查瞧各个变量，或在命令窗口用who, whos(注意大小写）查瞧各个 变量。

② 在工作空间双击变量，弹出Array Eｄｉtor 窗口(数组编辑器窗口），即可修改变量。

③ 使用save 命令把工作空间得全部变量保存为my_vａr、maｔ 文件。

〉〉save my_vａr、mat

④ 输入下列命令: 〉〉cleａｒ all ％清除工作空间得所有变量

观察工作空间得变量就是否被清空。使用loａｄ 命令把刚才保存得变量载入工作空间。

>〉loａd my_vａr、ｍａt

⑤ 清除命令窗口命令: >〉clc(3)历史命令窗口(ｍand History）。

打开历史命令窗口,可以瞧到每次运行MATLＡB 得时间与曾在命令窗口输入过得命 令,练习以下几种利用历史命令窗口重复执行输入过得命令得方法。

① 在历史命令窗口中选中要重复执行得一行或几行命令，右击,出现快捷菜单，选择 Coｐy,然后再Pastｅ 到命令窗口。

② 在历史命令窗口中双击要执行得一行命令,或者选中要重复执行得一行或几行命令 后,用鼠标将其拖动到命令窗口中执行。

③ 在历史命令窗口中选中要重复执行得一行或几行命令，右击,出现快捷菜单，选择 Evalｕａte Sｅｌection，也可以执行。

④ 或者在命令窗口使用方向键得上下键得到以前输入得命令。例如，按方向键“↑” 一次，就重新将用户最后一次输入得命令调到ＭATLＡB 提示符下。重复地按方向上键 “↑”，就会在每次按下得时候调用再往前一次输入得命令。类似地,按方向键“↓”得时 候，就往后调用一次输入得命令.按方向键“←“或者方向键“→”就会在提示符得命令 中左右移动光标,这样用户就可以用类似于在字处理软件中编辑文本得方法编辑这些命令。

(4）

当前目录命令窗口（Ｃｕrrent Diｒｅcｔｏrｙ).MＡＴLＡB 得当前目录即就是系统默认得实施打开、装载、编辑与保存文件等操作时得文 件夹。打开当前目录窗口后，可以瞧到用“ｓaｖe”命令所保存得my_vａr、ｍaｔ 文件就是保存在 目录C：MAＴLAB6p5work 下。

(5)帮助窗口(Help Winｄow)。

单击工具栏得图标,或选择菜单View｜Hｅｌp,或选择菜单Help|MATLAＢ Ｈeｌp 都能 启动帮助窗口。

① 通过Index 选项卡查找log2()函数得用法，在Ｓeａｒcｈ index fｏr 栏中输入需要查找得 词汇“log2”,在左下侧就列出与之最匹配得词汇条目,选择“loｇ2[1］”，右侧得窗口就 会显示相应得内容。

② 也可以通过Seaｒch 选项卡查找ｌog２（）函数得用法.Seaｒｃh 选项卡与Inｄｅx 选项卡 不同，Iｎdex 只在专用术语表中查找,而Ｓearｃh 搜索得就是整个HTML 帮助文件。

2、ＭATＬAＢ 得数值显示格式设置 屏幕显示方式有紧凑(ｐacｔ）与松散(Loｏse)两种，其中Ｌoｏｓe 为默认方式.＞〉a＝ones（1，30）

〉＞ｆoｒmat ｐact

〉〉a 数字显示格式有shoｒｔ、lonｇ、short e、long ｅ 等,请参照教材得列表练习一遍。

〉〉ｆormａt long >＞ｐi

〉〉ｆormａt ｓhｏrt >〉pｉ

〉>format long 〉〉pｉ

>>formaｔ ＋ 〉〉pi

〉>—pｉ

３、变量得搜索顺序 在命令窗口中输入以下指令：

>>pｉ

〉>ｓｉn(pi)；

>>exｉst（’ｐi”)

〉>ｐi=0;>〉exist（’pｉ“）

>〉pi

〉〉clear pｉ 〉＞ｅxｉｓt(＇pi’)＞＞ｐｉ

思考题:① 3 次执行ｅxiｓt(’pi’)得结果一样吗?如果不一样,试解释为什么? 答:不一样,ｐi原来就是库存函数,但就是如果被赋值则系统默认被赋予得值为ｐi后来得值,但就是当执行clear ｐｉ之后所赋得值被清空,因此pi得值又成为3、1４16 ② 圆周率 pi 就是系统得默认常量,为什么会被改变为 0？ 答:pｉ原来就是库存函数,但就是如果被赋值则系统默认被赋予得值为 pi 后来得值,但就是当执行 clｅａr pｉ之后所赋得值被清空,因此 pi 得值又成为３、14１6

实验二

ＭA ＴＬＡＢ语言基础 一、实验目得 基本掌握 MATLAB 向量、矩阵、数组得生成及其基本运算(区分数组运算与矩阵运算)、常用得数学函数。交接字符串得操作.二、实验内容（１)向量得生成与运算。

(2)矩阵得创建、引用与运算。

(3）

多维数组得创建及运算。

（４)字符串得操作。

三、实验步骤 1、向量得生成与运算 1）

向量得生成 直接输入法: A =

>〉 B=［１;2;3;4;5］

B =

１

２

５  冒号生成发：

〉〉 A＝1:2:1０ ,B=1：１0，C=１０:—１:１

A ＝

３

５

７

B =

５

C =

1０

８

４

１  函数法：

Ｌiｎsｐａce（）就是线性等分函数,lｏｇsｐａce()就是对数等分函数。

>〉 Ａ=linspａcｅ（1，10)，B=linspace（1，30,1０)A =

Colｕmnｓ 1 tｈroｕｇh 91、00００

1、09０９

1、1818

1、27２7

１、36３６

1、４5４5

1、5455

１、636４

1、７273

Columnｓ 10 throｕgｈ 1８1、8182

1、90９1

2、0０00

２、0909

2、1８１８

2、2727

2、36３6

2、４５４５

2、5455

Columns 19 through 272、6364

2、７27３

２、８182

2、９０9１

3、000０

3、0909

３、1818

3、2727

3、36３６

Ｃoluｍｎs ２8 tｈrouｇh 3６

３、４545

3、5４55

3、63６４

3、7273

３、8１82

3、9091

４、０000

4、090９

4、1818

Coluｍnｓ ３7 tｈrough 4５4、272７

4、363６

4、45４5

4、5455

4、6364

4、7273

４、8１82

4、9０91

5、0000

Ｃoｌuｍns ４6 tｈｒoｕｇh 545、09０9

5、1818

5、27２７

5、363６

5、４5４5

５、5４55

５、６364

５、727３

5、81８2

Coｌuｍns 55 through ６3

５、9091

6、00００

6、09０9

6、1818

6、272７

6、３636

6、4545

6、5455

６、６３６4

Cｏlumns 64 thrｏugh 72

６、７27３

6、81８2

6、9091

７、0000

7、090９

7、1818

7、2727

7、36３6

7、45４5

Cｏlumns 73 thｒough 81

７、5455

7、6364

７、7273

7、8182

7、909１

８、00０0

8、０909

８、1818

8、2７27

Coｌuｍｎs 8２ ｔhｒｏugh ９08、363６

８、４545

８、5455

8、６３6４

8、727３

８、８1８２

8、909１

９、0００0

9、０9０9

Coｌumns ９1 throuｇh ９99、18１８

9、2727

9、3６3６

9、4545

9、545５

9、6364

9、727３

9、8182

9、９091

Ｃoluｍｎ 1０0

１0、０000

Ｂ =

Ｃolumns 1 thｒough 91、000０

4、2222

７、4444

1０、666713、8889

17、11１１

２０、333３23、55５626、7778

Cｏlｕmｎ 1030、0000 >> A=ｌoｇspaｃe(0,4，５)A =

１

１０

１０0

10００

10０00 练习:

使用 logspaｃe()创建１—４得有 10 个元素得行向量。

答案:

＞〉 A＝ｌogspａce(１,１0,4＊ｐi）

Ａ ＝1、0e+0１0 *

Columns 1 throｕgh ９

0、０000

0、0０00

0、0００0

0、００00

0、0000

0、000０

0、００0１

0、0００5

０、0０35

Ｃｏlumｎs 1０ tｈroｕｇｈ 1２0、02３1

0、152０

1、0000 2)向量得运算 维数相同得行向量只见可以相加减,维数相同得列向量也可以相加减，标量可以与向量直接相乘除。

〉〉 Ａ＝［１ 2 3 4 5］，B=3：7，A =

４

B ＝

７

>〉 AT=A”，BＴ=Ｂ“, AT =

BT =

６

>〉 E１＝Ａ+B, E２＝Ａ-Ｂ

Ｅ1 =

６

10E２ ＝

—2

—2

—2

〉〉 F=ＡT—BＴ, Ｆ ＝

－2

—2

〉〉 G1=3*A, G２＝B／3, G1 ＝

１2

1５

G２ ＝1、0０00

１、3333

1、6667

2、0000

2、33３3  向量得点积与叉积运算。

〉〉 A=oｎes(1,1０);B=(1:10)； BT=B”;>＞ E１＝dot（A,Ｂ）

E1 =

5５

〉〉 Ｅ2=A＊BT

E2 =

〉〉 ｃｌｅar ＞> A＝1:3，B=3:5，A ＝

３

B =

〉〉 E=ｃrosｓ(A,Ｂ)

E = －2

—２ 2.矩阵得创建、引用与运算

1)矩阵得创建与引用

矩阵就是由元素构成得矩阵结构,行向量与列向量就是矩阵得特殊形式。

 直接输入法：

〉〉 A=[1 2 ３；4 5 6]

A =

１

３

４

６

〉〉 Ｂ＝[ 1 4 75 86 9 ］ Ｂ =

１

７

８

〉＞ A（1）

ans ＝〉〉 A（4：enｄ）

aｎs ＝

６ 〉〉 B(:,１)aｎｓ =

2〉＞ Ｂ(：)ａｎs =

１

8>〉 B(5)

anｓ =抽取法 〉> cｌｅar 〉> A＝［1 2 3 ４；５ 6 7 ８;9 1０ 11 12;１3 14 15 16] Ａ =

３

４

１0

１2

１3

1６ >〉 Ｂ＝A（1：3，2：３）

Ｂ ＝

６

１０

１1 〉> C=A(［1 3],[2 4］）

C =

1０

1２ 〉〉 A（[１ 3；2 4])ａｎs =

９

５ 函数法: 〉〉 A=onｅs(３,4)A ＝

１

１

>〉 Ｂ=ｚeｒｏ(3）

？?？ Unｄｅfinｅd ｆunｃtion or methｏd “zero’ for inpuｔ aｒguments oｆ typｅ ”double’、>> Ｂ=zeroｓ（３)B ＝

0

0

０

０

０

0

０

0

0 ＞> Ｃ＝eyes（3,2)?？? Unｄｅfiｎeｄ ｆunctｉon or meｔｈｏd “eyes’ for ｉnｐｕt ａｒguｍeｎts of ｔypｅ ”douｂle’、〉> C=eye(3,２)C =

0

0

0

0 ＞> D=magｉｃ(3)D =

６

拼接法 〉〉 clｅar 〉> A=oneｓ（３,４)A =

１

１

１

１

>〉 Ｂ=zeros（3）

Ｂ =

０

0

0

0

0

０

0

0

0 >〉 C=eye(4)C =

０

0

０

0

0

0

０

0

0

0

0

0

＞〉 D=［A Ｂ］ Ｄ ＝

１

0

0

0

0

0

0

０

０

０ >〉 F=［A；C] Ｆ ＝

１

１

１

０

0

０

０

１

０

0

0

0

0

0

0

0

拼接函数与变形函数法：

〉〉 cleａr 〉> Ａ＝[0 1；1 1] A =

0

１

１

〉> Ｂ=2*ｏneｓ(2）

B =

２

＞> ｃat（１，A,B,A)ａns =

0

１

１

２

２

0

>〉 ｃat(2 A,B，Ａ）

？?? caｔ（2 A,B,A)Erroｒ: Ｕnexpeｃteｄ MＡTＬAＢ exｐression、>〉 cａt(2，A,B，Ａ)ans =

0

１

0

１

２

２

１

１ >〉 repmaｔ(A,２,2)ans ＝

0

１

0

１

１

１

0

0

１

１

１

〉> repmaｔ（Ａ，2)aｎs =

０

0

１

０

１

0

１

练习：使用函数法、拼接法、拼接函数法与变形函数法，按照要求创建以下矩阵:A 为

得全１矩阵、B 为得 0 矩阵/C 为得单位矩阵、D 为得魔方阵、E 由 C

与Ｄ纵向拼接而成，F 抽取 E 得２—--5 行元素生成、G 由 F 经变形为得矩阵而得、以 G 为子矩阵用复制函数(repｍａｔ)生成得大矩阵Ｈ。

答案 ：

＞〉 A=ones(３，4）

A ＝

１

１

１

１ 〉〉 B＝ｚeros(３，3)B ＝

0

0

０

0

0

0

0

0

0 >〉 C=eye(3）

C =

１

0

０

0

０

0

0

>〉 D=magic（3)Ｄ =

５

４

＞> E＝[C;D］ E =

１

０

0

0

0

0

0

８

〉〉 F=(２：5，:)？?？ F=(2:5，：)Erroｒ: Exprｅｓｓion or statｅmenｔ is incorreｃｔ—-pｏssiｂｌy unbalaｎcｅd(, ｛, or ［、＞〉 F=E（2：5,：)F =

0

0

０

０

〉〉 G＝respace(E,3,４）

？？? Undefiｎeｄ manｄ/fｕnｃtｉon “reｓpace’、〉>

G＝rｅspaｃe(F，３,4）

？?? Ｕndｅfiｎeｄ manｄ／fuｎcｔion ”reｓｐaｃe“、〉> G=ｒeｓhapｅ(Ｆ,3,4）

G =

0

0

１

６

0

0

〉〉 Ｈ=repmat（G,2,2)Ｈ =

0

0

０

５

０

８

０

0

７

0

０

0

３

１

０

１

０

0

１

0

0

0

０

2)矩阵得运算  矩阵得加减、数乘与乘法

已知矩阵: >> A=[1 ２

－１], A =

-１ >〉 B=［-1 ０

2] Ｂ =

0

>〉 A+B ans =

０

４

１ 〉〉 2＊A ａns =

４

-2 >〉 2*A－３*B ans =

-8 〉〉 A＊Ｂ aｎｓ =

４-４

—2  矩阵得逆矩阵 〉〉 foｒｍat ｒat;A=［1 ０ 1；2 1 2；0 4 6] A ＝

１

0

０

>> A1=inｖ(A)Ａ１ ＝

—1／3

２／3

－1/6

－２

１

0

4/3

-２／3

１/6

>〉 A＊A1

aｎｓ =

0

0

0

0

０

0

矩阵得除法 >〉 a=[1 ２ 1;3 1 4；2 2 １]，b=[１ １ 2],d=b’ a =

１

３

２

b ＝

１

d =

１

１

>> c１=b*ｉnv(ａ）,c2＝b/a ｃ1 =

6／７

3/7

－4/7

c２ ＝

6/7

３/７

－4／7

>> c3=inv（a)*d, c4=ab c3 ＝

２/7

-4/7

？？? Erｒor usinｇ ==〉 ｍｌｄivｉｄｅ Matrｉx dimensions ｍust agree、>〉 ｃ３＝inv(ａ)*ｄ，ｃ4=ad ｃ3 =

2/7

－4/7

c4 =

2/7

-4/７

练习: 按下列要求求出各种得矩阵运算得值

求矩阵得秩、特征值与特征向量、矩阵得乘幂与开方;

矩阵得指数与对数

矩阵得提取与翻转 答案:

〉〉 A=[6 ３

４ 3

—2 ５ 7 —4

8-1 —3 —７］ A =

６

－４

-１

—3

—７ 〉> B=ｒank(A)B =〉> ｒｂ＝raｎｋ(Ａ）

rb =>＞ ［Ｘ,Ｌaｍdａ]=ｅｉg(Ａ）

?？? Ｅrrｏr usｉｎg ＝=〉 eｉg Ｍatrix muｓt be squａre、〉〉 ［X，Ｌａmda]=eiｇs（Ａ)??? Errｏr usｉng ==〉 ｅigｓ A ｍｕｓt bｅ a squaｒe matriｘ or ａ fuｎcｔｉon ｗhｉch ｐuｔes A*ｘ、〉〉 Ｃ=[6 3 4

－2 5 7

—1-3］ C =

４

—２

８

—1

—3 >＞ ［Ｘ,Lａmda］=ｅｉｇs（C）

X =0、801３

－０、10９4

－0、1606

０、３638

—0、6５６4

０、８6690、4749

0、746４

-０、4７１9 Lamdａ ＝9、7３26

0

0

0

-３、292８

0

0

0

1、５602 〉〉 ［X,Laｍｄa］＝eig(C）

X =

０、８013

—0、10９4

—0、16０60、3638

—0、6５６4

０、86690、4749

0、74６4

-0、4719 Lamｄa ＝9、7３２6

0

0

０

－3、2９28

0

0

0

1、5６0２ 〉> [X,Ｌamda]=eig(Ｃ)

X =

0、８013

—0、109４

-0、1６06

０、3638

—0、65６4

0、86６9

0、４7４9

０、7464

—0、471９ Ｌaｍda =9、7３２6

0

0

0

—3、2928

0

0

0

1、5602 〉> D=A^2 ??？ Ｅrror ｕsing ==> mpower Maｔｒix mｕsｔ bｅ sｑuaｒｅ、〉> Ｄ=C＾2 D ＝

３３

３4

〉〉 E＝sqrｔm(C)Ｅ =

2、2447 + 0、2７06ｉ0、6974 — ０、14０0i0、94２２-０、349４ｉ

-0、581５ + 1、6244i

２、1005-0、８40５i

１、76２0-2、0970i

１、9７19 － 1、８47１i

-0、3017 ＋ ０、9557i

0、０236 ＋ ２、384５i >> Ｆ=expｍ（C)F =

1、０e＋0０４ ＊

1、065３

０、5415

0、６32３

0、４８30

0、246５

0、28７6

0、６316

0、3２0６

０、37４5 〉〉 Ｇ=ｌogm(C)Wａrｎinｇ: Pｒｉnｃｉpal matriｘ logaｒｉｔhm is noｔ dｅｆinｅd for A with

ｎonpｏｓitive rｅａl eｉgenvalｕes、A non-pｒinｃipal matrｉx

loｇaｒithm is retuｒｎeｄ、〉 Iｎ funm ａt 15３

Iｎ ｌogm aｔ 27 G =

1、71２9 + 0、4686i0、5305-０、2425i0、5429-０、6０4９i

1、１93８ + 2、8123i0、365８ — 1、4552i

—0、５51４-3、6305ｉ

-0、0748 － 3、1978i

0、７4１9 + 1、6546i1、8３33 + 4、12８2ｉ >> H＝ｆｌiｐlr（C)H =

５

－２

—1

＞> I＝triu（Ｃ)I =

０

0

0

-３ 〉〉 J=ｔriｌ（C）

J =

0

0

-２

0

-3 >＞ Ｋ=dｉag(C)K =

6-3 3.多维数组得创建及运算 1）多维数组得创建 >〉 A1=[1，2,３;4 5 6;7，8，９］;Ａ2＝ｒeshaｐｅ([10:18],3，3)Ａ2 ＝

1０

１３

１6

1４

1７

１2

15〉〉 Ｔ1(:，:，1）＝ｏneｓ(3)；T1（：,：,2)=ｚeros(3)T1（:,：,１）

=

１

１

１

Ｔ１(:，:,2)=

０

0

0

0

0

0

0

０

0 〉> T２=ones（3，3,2）

Ｔ2（：,:，1)=

１

１

１ T2（:,:，２)=

１

１

１ >> T３＝ｃat(3,A1，Ａ2)，T4=repmaｔ（A1,［1,1,２]）

Ｔ3(：,:,１)=

Ｔ3(:,：,２)=

1０

1３

1６

1７

１5T4(：,:，1）

=

２

６

８

T4（:,:,2)＝

７

８

2）多维数组得创建

数组运算用小圆点加在运算符得前面表示,以区分矩阵得运算。特点就是两个数组相对应得元素进行运算。

〉〉 A＝［１：6];B＝ones(1,6);>> Ｃ１＝A＋B，C2=Ａ—B Ｃ１ =

２

Ｃ2 =

0

３

>> C３=A、＊B,C4＝B、／A，C5=A、B C3 =

６ C4 =

１、0０0０

0、5000

０、3３3３

0、2500

0、200０

0、１667 C５ ＝ 1、0000

０、５000

0、3３33

0、25０0

0、200０

０、１6６7

关系运算或逻辑运算得结果都就是逻辑值.＞〉 I=A〉3，C６＝A（I）

I =

0

0

0

１

１ C６ =

４

６ 〉〉 A1=Ａ-3,I2=A1＆A A1 =

—2

—1

0

２

I2 =

１

１

0

１

〉〉 I3＝~I I3 =

１

0

０

0 4.字符串得操作 1)字符串得创建

＞〉 S1=”Iｌike MAＴＬＡB’ S1 = Ilike MATLＡＢ ＞＞ Ｓ2=“I＇’m a ｓｔuenｔ、” S２ = Ｉ“ｍ a stuｅnt、〉> S３＝［S2,”ａnd’,Ｓ１] Ｓ３ ＝ I“m a sｔｕent、anｄＩliｋe MATＬAB 2）求字符串长度 〉〉 length(S１)aｎｓ =>> siｚe（Ｓ１)aｎs =

13）字符串与一维数值数组得相互转换 >> CS1=abs（S1)CS1 =

1０1

３2

6５

８4

6６ 〉> ＣS２=doublｅ(Ｓ１)CS2 =

１０8

１05

１01

３2

7７

6５

７6

>> chａｒ(CS2）

anｓ = Iliｋe MＡＴLＡB >> setsｔr（CS2）

ans = Ｉlikｅ MAＴLAB 练习：用ｃｈaｒ()与向量生成得方法创建如下字符串ＡaBbCｃ、、、、、、XxＹｙZz、〉> S1=65：90;Ｓ２=9７:122;〉〉 C=[S1;S2];>>

C=C(：）’;〉＞

S3=doublｅ(Ｃ);char(S3)ａｎs = ＡaＢbCcDdEeＦfGgHhIiJjKkLlMｍNnOoＰpQqRrＳsTtＵｕVvWｗXxＹyＺz 实验三

ＭAL ＴAＢ Ｂ 数值运算 一、实验目得

掌握 MATLAB 得数值运算及其运算中所用到得函数，掌握结构数组与细胞数组得操作。

二、实验内容

1）

多项式运算。

2）

多项式插值与拟合。

3）

数值为积分。

4）

结构数组与细胞数组。

三、实验步骤

１、多项式运算

1）

多项式表示。在 MＡTLAB 中，多项式表示成向量得形式.如: 在 MATLＡB 中表示为 >> s=[1 3-５ ０ 9] 2）

多项式得加减法相当于向量得加减法,但必须注意阶次要相同。如不同,低阶次得要补 0。如多项式与多项式相加。

〉> s1=［0 0 2 3 11] 〉〉 s2=［1 2 —5 4 ７] 〉〉 s３=s1+ｓ２ 答；s1 ＝

0

0

3ｓ２ ＝

—5

４

ｓ3 =

—3

1８ 3）

多项式得乘、除法分别用函数 cｏnｖ与得 deconｖ实现。

〉＞ s1=[2 ３ 1１] >＞ s2=［１ ３ —5 4 7］ >〉 s３=cｏnv（ｓ1，ｓ2）

>> s４=ｄecoｎv（s3,s１)答;ｓ1 =

１１ s2 =

１

３

４

s3 =

—29

６5

ｓ4 =

１

７ 4）

多项式求根用函数ｒｏots。

>〉 ｓ1＝[2 4 ２］ >> roots(s1）

答;s1 ＝

ans ＝

—1

5）

多项式求值用函数 polyvaｌ ＞> ｓ1＝[2 4 １-３] 〉〉 poｌyval（s1，3）

〉＞ x＝1:１0 〉〉 y=pｏlyvａl（s1，x)答;s１ =

２

-3 aｎs ＝

９0 x ＝

１

６

９

1０ y =

Colｕmns １ thrｏugh ８

19３

３5２

５79

8８６

1285

Cｏlｕｍns 9 throuｇｈ 1０ 练习:求得“商”及余数.〉> s1=[１ ０ 1]；s２=［1 3］;s3＝[1 １]； 〉> s4=［1 ０ 2 １]； >> ［q，r］=ｄｅconv(conv（coｎv(ｓ１,s2)，ｓ３),s４)答；q =

１

４ r =

0

0

-1 2、多项式插值与拟合 有一组实验数据如附表 1—1 所示。

附表 1－1 X 1 2 3 4 5 ６ 7 8 9 10 Ｙ １6 ３2 7

1

分别用拟合(二阶至三阶)与插值（线性与三次样条)得方法来估算Ｘ=9、5 时 Y 得值。以下就是实现一阶拟合得语句。

〉> x=1：10 >〉 y＝［１6 32 70 1４2 ２6０ 4３６ 682 1０10 1342 1960］ 〉> p１=ｐｏｌyｆｉt（x,ｙ,1)

％一阶拟合 >> y1=pｏｌｙval(p1，9、5）

%计算多项式 P1 在ｘ＝９、5 得值 答;x ＝

２

9y =

Cｏluｍns 1 tｈroｕgｈ 8

3２

７０

142

26０

４36

6８2

1010

Columns ９ tｈroｕgh １0

1342

1960 p1 ＝

20０、9818 -510、40０0 y1 =1、3989e+00３ ３、数值微积分

1）

差分使用 diｆf 函数实现。

＞〉 x=1:2:９ 〉〉 ｄifｆ(x)答;x =

５

ans =

２ 2）

可以用因变量与自变量差分得结果相处得到数值微分。

〉> x=linspace(0，2＊pi，1００);>〉 y=sin（x)； ＞〉 plot（x,ｙ)>〉 y１=dｉff(y)、/diff(x)； 〉〉 pｌｏｔ（x（1：end-1),y1)答；

3）

cumｓum 函数求累计积分,ｔrａｐz 函数用梯形法求定积分,即曲线得面积。

〉〉 x=ones(1,1０）

＞> cumsum（x)＞> x＝linspaｃe(0,pｉ，100）； >＞ y=sin(x)； 〉〉 trａpｚ(x,y)〉> ｐ＝cumsum（y）； >> p（100)*ｐi／(100—1)答;x =

１

１

ans ＝

9ans ＝

１、99９８ ａns =

１、9９98 练习:图 A１就是瑞士地图,为了算出其国土面积，首先对地图作如下测量：以由西向东方向为 X 轴,由南向北方向为 Y 轴,选择方便得原点,并将从最西边界点到最东边界点在 X 轴上得区间适当划分为若干段,在每个分点得Ｙ方向测出南边界点与北边界点得 Y 坐标Ｙ１与 Y２,这样就得到表 1,根据地图比例尺回到１8mｍ相当于 40Kｍ，试由测量数据计算瑞士国土近似面积，与其精确值 41228 比较。地图得数据见附表 1—２(单位ｍm).附表 1—２ X 7 10、５ 13 1７、5 34 ４0、５ 44、５ 48 56 61 68、5 76、5 8０、５ ９1 Y1 ４4 ４5 47 5

34 ４1 ４5 ４6 Y２ 4４ 59 7

１８ 1 １8 续表 X 9６ 101 104 １06、5 111、5 118 123、5 1 ３6、5 1４2 146 150 157 158 Ｙ1 ４３ ３7 3３ 28 32 6５ 55 ５4 5２ ５0 ６6 66 ６8 Ｙ２ 121 124 １ 2１ １ 2１ 12１ 116 1 ２２ 83 81 82 86 85 ６8 提示：由高等数学得知识,一条曲线得定积分就是它与 x 轴所围成得面积,那么两条曲线所围成得面积可由两条曲线得定积分相减得到。、结构数组与细胞数组 1）

机构数组得创建． 〉＞ sｔudeｎt、nｕｍbｅr＝’200507３1001’;〉〉 stuｄent、ｎａｍｅ=’Jack”;〉〉 sｔudent（2）、nｕmbｅr=’２0050７310０２’;〉〉 ｓtuｄent（2)、ｎamｅ=’Lucｙ“； >> stｕｄent 或者用 sｔruct 函数创建。

>＞ ｓtｕdeｎt=struct(”ｎuｍber“,｛’00１”，“002’｝,”naｍｅ＇,｛＇Ｊａcｋ’，“Ｌucy’});答;ｓtuｄent =

1x2 struct ａｒｒaｙ ｗｉth ｆiｅｌds:

ｎuｍbeｒ

name 2）

机构数组得操作。

〉> student(１)、subjｅｃt=[]

%添加 subject 域并赋予空值 〉〉 ｓtuｄｅnt(1）、score=［］ >〉(studeｎg)〉>fｉeldnａｍes(sｔｕdeng)

〉>fiｅldnaｍｅs(sｔudent）

〉〉 getfielｄ(stｕdｅnt,{2｝，＇name＇)〉〉 stuｄenｔ=ｒｍfｉeld(stuｄｅnt,”subｊect’)

%删除 subｊeｃt 域 〉〉 student＝setｆiｅlｄ（student,{1},“scoｒｅ’，90）;＞> stｕdent(2)、score=8８；

％比较与上一条语句就是否效果一样 答；student =

1ｘ２ stｒｕct arｒay ｗith fiｅlds：

nuｍber

ｎame

sｕｂｊeｃt studenｔ =

1ｘ2 sｔｒｕct ａrrａy ｗiｔh fielｄs:

numbｅr

name

subjeｃt

sｃore ??？ Undefiｎed functioｎ oｒ ｖarｉable ’studeng’、练习:创建一结构数组ｓtuｓoｒce,其域为：No,Ｎａmｅ，Ｅnｇlish,Ｍatｈ,Chiｎeｓe,Ｔotal,Average。结构数组得大小为 2×2。

3）

细胞数组得创建。

〉> A＝{’Ｈｏw are ｙou！”,oｎｅs(3);[１ ２；3 4]，{“cell’｝};

%直接创建

〉〉 B（1,１)={’Hellｏ woｒld”}；

%由各个细胞元素创建

>> B(1，2）＝{mａgｉｃ(3)｝;

>〉 B(２，1)＝｛[１ 2 3 4]｝;答

或者用ｃell 函数先创建空得细胞数组，然后再给各个元素赋值 c=ceｌl（１，２)； >> ｃ（1，1)＝{’Hｅｌlｏ world’};>> c(1,2)={maｇic（3)}； 〉〉 c（１,3）={[1 2 3 4］｝； 4）

细胞数组得操作。

〉> ans1＝A(１,1)＞> ans2＝A(１,１)>〉 whos ans1 ａnｓ2 〉〉 cｅｌlｄisｐ（Ａ)〉> a１=Ａ{2,1}（1,2)>〉 [a２ a3］=ｄeａｌ(A{1:2}）

答；ａns1 ＝

’How arｅ ｙou！’ ans2 =

’Ｈｏw are yｏu!’

Nａｍe

Size

Bｙteｓ

Clasｓ

Attributｅｓ

ａｎｓ1

1x１

８4

celｌ

ａｎs２

１x1

8４

ｃell

Ａ{1，1｝ = Hｏw are ｙoｕ！

A｛2，1} =

A｛１，2} =

１

Ａ{２，2}{1｝ = ceｌl a1 =a2 = Ｈow arｅ you!a3 =

１

２

实验四

MA LT ＡB B 符号运算

一、实验目得

掌握符号变量与符号表达式得创建,掌握MＡLＴAB得symbｏl工具箱得一些基本运用。

二、实验内容

1）

符号变量、表达式、方程及函数得表示。

2）

符号微积分运算．

3）

符号表达式得操作与转换.4）

符号微分方程求解.三、实验步骤1、符号运算得引入

在数值运算中如果求，则可以不断让得让ｘ趋近0，一球得表达式趋近什么数,但终究不能令 x=０，因为在数值运算中 0 不就是能作除数得。MATLAＢ得符号运算能解决这内问题。输入如下命令: 〉> ｆ=sym(’sｉn(pi*x)/x＇）

>> lｉｍｉｔ(f,’x“,0)答；f ＝ sin(ｐi*ｘ)/x ans = pi 2 2、符号常量、符号变量、符号表达式得创建

1）

使用 sym（）创建 输入以下命令,观察 Workspace 中 A、B、ｆ就是什么内性得数据,占用多少字节得内存空间。

＞〉 A=sｙm(”１’）

%符号常量 〉〉 Ｂ=sym(’x’)

％符号变量 >> f=syｍ（’2*x^2+3＊x-1’)

%符号表达式 ＞> ｃlear ＞> f1=ｓｙm(“１+２”)

%有单引号，表示字符串 ＞〉 f2=syｍ(１+2）

％无单引号 >〉 f2=sｙｍ(１＋2）

〉> f４=sｙm（“2*ｘ＋3’)

%为什么出错 〉〉 x=1 〉〉 f4＝ｓym（２*x+3）

答;A ＝ 1 B ＝ x f ＝ 2*x＾2＋3＊x-１ ｆ1 = 1＋２ f2 = 3 f2 = ３ f4 = 2*ｘ+3 x =f4 = 5 通过瞧 MＡTLAB 得帮助可知,sym()得参数可以使字符串或就是数值类型,无论就是哪种类型都会生成符号类型数据。

2）

使用 sｙmｓ创建 〉> cleａr >〉 syms ｘ y z 〉> x，ｙ，z 〉〉 ｆ1=x^2+2*x＋１ >〉 f2=ｅｘp(y)+exp(z）＾２ >> ｆ３=f１+f2 答;x = x y = y z ＝ z f１ ＝ ｘ^2+2*ｘ＋１ ｆ2 ＝ ｅｘp（ｙ)+eｘｐ(z）^2 f3 = x＾2＋2＊x＋1+exp(y)+ｅｘp（z)^２ 3 3、符号矩阵创建

>〉 syms a1 a2 ａ3 a４ 〉〉 A=[ａ１ a2;a3 a4] 〉> A（1),Ａ（3)答;A = [ a１，a2］ [ a３, a4］ ａns ＝ a1 ans = ａ2 4 4、符号算术运算

1）

符号向量相乘、相除 符号量相成与数值量相乘一样,分成矩阵乘与数组乘。

〉＞ a=sym(5)；b=sym(7)； 〉> c１＝a*ｂ ＞〉 c2=ａ/b >＞ a＝sｙm(5）;B＝sｙｍ([3 4 5］);>〉 C1=ａ*B，C2＝aB >＞ sｙms a b >＞ A=[５ a;ｂ 3];Ｂ=[2*a ｂ；２*b a];〉＞ Ｃ1＝A*B，C２＝Ａ、*B >〉 C3＝AB,C4=A、/B 答；c1 =

３5 ｃ2 = 5/7 Ｃ1 = ［ 15, 20, 2５] Ｃ２ ＝ [ 3／5, 4/5，1] C1 ＝ [ 10*a＋2*a＊b,5*b+ａ^2］ ［

2＊a*ｂ+６＊b,ｂ＾２+3＊a] C2 = [

10*a，a＊b］ [ 2*b^2，3*a] C３ ＝ [

２*a＊(ｂ—3)/（—15+a＊b)，（a^2-３*b)／(—１5+a*b)] [

2*ｂ*(a-5）/(-１５+a＊ｂ), —（5*a-ｂ^2）/(-15+a＊b)] C4 = ［ ５/2/a，ａ／b] [

1／2, 3／a] 2）

符号数值任意精度控制与运算 任意精度得 VPA 运算可以使用命令 digitｓ(设定默认得精度）与ｖpa(对指定对象以新得精度进行计算)来实现。

>〉 a1=syｍ（’2*ｓqrt(5）＋pi＇）

〉> a=sym（’2*sｑrt（5)+pｉ’)〉〉 b=sym(2*sqrt（5)＋pｉ）

>> dｉｇiｔｓ >＞ ｖpa(ａ)>> diｇｉts（15)>〉 vｐａ（a)〉〉 c1=ｖpa（a,5６）

〉〉 ｃ２＝ｖpa(b,56）

答 a1 = 2＊sｑrt（5)＋pi a = ２＊sqrt（5）+pi ｂ = 85722963311357９6＊2^（-50）

Digiｔｓ = 3２ ａns ＝ 7、63726３1２8 ans = 7、637 c1 = 7、63７2６312８5535581572696

c2 = 7、6３７272６17578１250０000０0 注意观察ｃ1 与ｃ2 得数值类型,ｃ1 与 c2 就是否相等。

3）

符号类型与数值类型得转换 使用命令sｙm可以把数值型对象转换成有理数性符号对象,命令vpa可以讲数值型对象转换为任意精度得 VPA 型符号对象．使用 dｏublｅ，nｕmeric 函数可以将有理数型与 VＰA 型符号对象转换成数值对象、〉＞ clear >〉 a1=sym(＇2*ｓqrt(5)+pi’)

＞〉 ｂ1=doublｅ（ａ1)

％符号转数值 >＞ b2=isnumeric(b１）

％判断就是否转换成了数值 >> a2=ｖpa（a1，７0）

%数值转符号 答;a1 = 2*sqrｔ(5)+pｉ b1 =7、6137 ｂ2 =

１ a２ = 7、6372６312８5５3５58９0８３1２88５8 5 5、、符号表达式得操作与转换

１)独立变量得确定原则 独立变量得确定原则:在符号表达式中默认变量就是惟一得．ＭAＴLＡB 会对单个英文小写字母(除 i、ｊ外）进行搜索，且以 x 为首选独立变量。如果表达式中字母不唯一,且无 x，就选在字母表最接近x 得字母.如果有相连得字母,则选择在字母表中较后得那一个。例如:中,y 就是默认独立变量。，t 就是默认独立变量。

输入以下命令,观察并分析结果。

>＞ clear ＞〉 f＝syｍ(”a+b+i+j+x+y+xz’）

>〉 findsym(f）

〉> fｉｎdｓym(f,1)＞〉 ｆindsym(f，２)＞> findsym(f,3）

＞〉 finｄｓｙm（f,4)〉〉 ｆｉndｓｙm(ｆ,5)>〉 fiｎdsym（ｆ,６)答;ｆ = a+b+ｉ+j+x+y+xz ans = a, b, ｊ，ｘ，xz, y anｓ = ｘ ａns ＝ x,xz ans =

x，xz,y anｓ = ｘ,xz,y，j ａns = x，xz，ｙ，j,b aｎs = x,ｘz,ｙ，ｊ，ｂ,a ２)符号表达式得化简 符号表达式化简主要包括表达式美化（pretｔy）、合并同类项(ｃolｌcet）、多项式展开(eｘpaｎd）、因式分解(factor)、化简（simplｅ或 simｐliｆy）等函数。

①合并同类项（cｏllect）。分别按 x 得同幂项与ｅ指数同幂项合并表达式: ． 〉〉 ｓｙｍs x t； ＞〉 f=（x＾2＋x^exp(—t）+1）*（x+eｘp(-ｔ));〉〉 f1=coｌlect(f)〉〉 f2=ｃolleｃｔ(ｆ,’eｘp(-t）“)答;f1 = x＾3＋exp(-t）＊x^2+(x^eｘp（-t）+1)*x+(ｘ^eｘp(-ｔ）+１)*exp（-t）

f2 =(x^2＋ｘ＾exp(-t)＋1)＊exｐ（-t）+(x^2+x＾exp（—t)+1）＊x ②对显示格式加以美化（pｒｅttｙ）。针对上例，用格式美化函数可以使显示得格式更符合数学书写习惯。

>〉 ｐｒetty(f１)>〉 prｅttｙ(f2）

答;ｆ1 = x^3+ｅxp（－t）*x＾２+(x^exp（—ｔ）+1)*ｘ+（x^ｅxp（—t）+１)*exp(-t）

f２ =（ｘ^2+x＾eｘp(-ｔ)+１)＊ｅxp(－t）+(x^2+ｘ^ｅxｐ(—t）+1)*x >〉

ｐretty(f1)ｐrｅtty(f2)

３

２

eｘｐ(-t）

exp(-t)

x

+ eｘｐ(—t）

x

+（x

+ 1）

x ＋(ｘ

+ 1)ｅxp(—t）

２

ｅxp（—t)

exp(－t)

(x

+ x

＋ 1)eｘp(-t)＋(x

+ x

+ 1)x 注意与直接输出得 f1 与 f2 对比。

③多项式展开(expanｄ)。展开成 x 不同次幂得多项式、〉＞ syms x 〉> f=(x—１）^12;〉> exｐanｄ（f)〉〉 ｐrettｙ(ｅxpaｎｄ(ｆ)）

答；ans = １+x^12－１2*ｘ^１１+６6*x^10—220*x^９+495*ｘ^8—792*x^7+924＊x^6－7９２*ｘ^5+495*x^４-２20*x＾3+66*x^2—12*x

７

６

５

+ x

－ 12 x

+ 66 ｘ

— ２２0 x

+ 49５ x

x

＋ 92４ x

－ ７9２ x

+ 495 x

－ 220 ｘ

＋ 66 x

－ 12 x ④ 因式分解(fａｃｔoｒ)。将表达式做因式分解。

>> syms x;f=x^12—1； 〉> ｐrｅttｙ(fａctｏr(f））

答;aｎｓ = 1＋x^1２—12＊x^１1+66*x^1０—2２０*x^９+495*x^8－7９2＊ｘ^7+9２4*ｘ^６—7９2*x^5+4９5*x^4—22０＊x^3＋66*ｘ^2－12＊x

1２

１１

８

６

５

+ x

— １2 ｘ

＋ 66 x

— 22０ x

+ 495 x

x

+ 92４ ｘ

— 7９2 ｘ

３

+ ４95 x

— 2２０ x

＋ ６6 ｘ

－ 12 x 〉〉 sｙms x；f=x^12—1;preｔty(factor（f)）

２

２

(ｘ-1)(1 + ｘ

＋ x)(1 ＋ x）

(1 — x + x)（1 + ｘ)(x

— ｘ

+ 1)⑤化简(simplｅ或 sｉｍplifｙ）。

将函数化简.〉〉 cｌear 〉〉 ｓyms x;f=(1/x^3+6/x^２+１２/ｘ+８)^(１／3）； 〉＞ g１＝sｉmple(ｆ)＞〉 ｇ2＝ｓiｍplify(ｆ）

答;g1 =(２*x+１)/ｘ g2 =(（２*x＋１)＾３/x^3)＾(１/3)6 6、符号表达式得变量替换

sｕbs 函数可以对符号表达式中得符号变量进行替换 >> ｃleaｒ >＞ f=ｓym(’(ｘ+y）^2＋４*ｘ+10’)〉〉 f1=ｓuｂs(f，’ｘ＇，’s＇)

%使用 s 替换ｘ >〉 f2=subｓ(ｆ，”x+y’,“z’)答;f =(ｘ+y)^2+4*x+１0 f1 =（s+y)^2＋4*ｓ+10 f２ = z^2+４*x+10 ７、符号极限、符号积分与微分

1）

求极限函数得调用格式 lｉmｉt(F，x,a)

％返回符号对象 F 当 x→a 时得极限 ｌｉmit（F,a)

％返回符号对象 F 当独立变量*→a 时得极限

ｌimiｔ（Ｆ）

%返回符号对象 F 当独立变量→０(a＝0)时得极限 lｉmiｔ（Ｆ，x，a,’right’)

％返回符号对象 F 当 x→a 时得右极限 limit(F,x,ａ,’ｌeft”）

%返回符号对象Ｆ当 x→a 时得左极限 例一：

〉〉 cｌear >＞ ｆ=ｓym(“sｉｎ（x)/ｘ+ａ*x”)

>〉 limit（f,“x’,0）

％以 x 为自变量求极限 >> lｉｍit（f，”ａ’，０）

%以 a 为自变量求极限 >> limit（f）

%在默认情况下以 x 为自变量求极限 >＞ ｆｉndsym(f)

%得到变量并且按字母表顺序排列 答‘f = sｉｎ(x)/x+a＊ｘ ans = 1 ans = sｉn（x)/x anｓ ＝ 1 ans = a，ｘ 例二: ＞＞ cleaｒ >〉 f＝sym(＇sｑrt（1+１/n））；

〉〉 limit(ｆ，n，iｎf)

％求 n 趋于无穷大时得极限

2）

求积分函数得调用格式 int(F)

%求符号对象 F 关于默认变量得不定积分 ｉnt(F,ｖ）

％求符号对象 F 关于指定变量 v 得不定积分 int（Ｆ,ａ，b)

%求符号对象 F 关于默认变量得从 a 到 b 得定积分 iｎt(F,v,a，ｂ)

％求符号对象 F 关于指定变量得从 a 到ｂ得定积分 3）

求微分方程得调用格式 diff（F)

％求符号对象 F 关于默认变量得微分 diff(F,v）

％求符号对象 F 关于指定变量 v 得微分 diff(F,n）

%求符号对象 F 关于默认变量得 n 阶微分,n 为自然数 1、２、3…… diｆｆ(Ｆ,ｖ,n)％求符号对象 F 关于指定变量 v 得 n 阶微分 8 8、符号方程求解

1）常规方程求解函数得调用格式 g=solve(eｑ)

％求方程（或表达式或字串）eq 关于默认变量得解

g=ｓｏlve（eq，ｖar)

％求方程（或表达式或字串)eq 关于指定变量 vａr 得解 ｇ=sｏｌve（eｑ1,eq２,…、,ｅqｎ,ｖaｒ1，vａr２，…,vaｒn)

%求方程(或表达式或字串)eｑ1,eｑ２,eq3,……ｅqn 关于指定变量组ｖar１,var2,……,ｖarn）得解 求一元二次方程得解.其求解方法有多种形式：

① seq＝ｓolｖe(“a＊x^2+b*x+c＇）

② seq=solｖe(’a*x^2+b*x+c=0”)③ eq＝’a*x^2+ｂ＊x+c“;④ eｑ=”ａ*x＾2+b*x＋c=0’； sｅq=solve(eq）

⑤sym ｘ a b ｃ

eｑ＝ａ＊x^2+b*x＋ｃ ｓｅq=solve(eq）

2）常微分方程求解 求解常微分方程得函数就是 dsｏlvｅ。应用此函数可以求得常微分方程(组)得通解,以及给定边界条件(或初始条件)后得特解。

常微分方程求解函数得调用格式：

r=dｓolve（“ｅｑ１,ｅq2,…’,’cond１,coｎd2,…’,’v’)ｒ＝ｄsolve(’eq1’,’eq2”,…，“cond１’，’cond2’,…,’v”)说明: ① 以上两式均可给出方程 eｑ１,、qeq2 对应初始条件 cond1、cｏnd2 之下得一 v 作为解变量得各微分方程得解。

② 常微分方程解得默认变量为 t。

③ 第二式中最多可接受得输入式就是 12 个。

④ 微分方程得表达方法。

在用 MATLAB 求解常微分方程时，用大写字母 Dｙ表示,用Ｄ2ｙ表示,依此类推。

边界条件以类似于 y（a）＝b 给出。其中 y 为因变量，a、b 为常数、如果初始条件给得不够，求出得解为含有 C1、C2 等待定常数得通解。

例一 求微分方程得通解、练习:（1）求。

(2）求函数得积分；求函数得导数(3）计算定积分(4)求下列线性方程组得解

（5)求解但 y(0）=2，在 z（0)=7 时，微分方程组得解。

实验五

MATLA Ｂ 程序设计

一、实验目得

掌握 MATLAB 程序设计得主要方法,熟练编写 MATLＡＢ函数、二、实验内容

（1)M 文件得编辑。

(2)程序流程控制结构。

（3)子函数调用与参数传递。

(4)局部变量与全局变量。

三、实验步骤1、M M 文件得编辑

选择ＭＡTLAB 得菜单，打开新得Ｍ文件进行编辑,然后输入以下内容，并保存文件名为 eｘｐl、m。

s=0;for n=１：100

ｓ＝s＋ｎ;enｄ s 答；s =

5050 保存好文件后，在命令窗口输入ｅｘｐl 即可运行该脚本文件，主义观察变量空间。紧接着创建 M 函数文件,然后输入以下内容,并保存文件名为 expl2、m。

funｃtｉｏn ｓ＝expl2（x）

s＝0;fｏr n＝１:x

s＝s+n； end

保存好文件后,在命令窗口输入

>〉 ｃｌeａr 〉> ｓ＝ｅxpl2(１０0)以 oｐen 命令可以打开 M 文件进行修改。

〉〉open cｏnv

%打开 cｏnv 函数 2 2、程序流程控制结构

1）

for 循环结构

>〉 fｏｒ n=1:１0 n end 答；ｎ =n ＝n =n ＝n =n =

６ n =n =

n =n =

另一种形式得 for 循环: 〉> n=1０:—１:5;>〉 ｆｏr i＝ｎ

%循环得次数为向量 n 得列数 i eｎｄ 答;ｉ =

１0 i =ｉ ＝i =ｉ =i =2）

wｈile 循环结构 在命令窗口输入：

clear x=１;ｗhile １ x=x*2 ｅnd 将会瞧到 MATLAB 进入死循环因为 whｉle 判断得值恒为真，这时须按 Ctｒl+Ｃ键来中断运行，并且可瞧到 x 得值为无穷大。

练习：

(1)请把 exp2、ｍ函数文件用 whｉle 循环改写。

(2）用公式求得近似值，直到最后一项得绝对值小于为止,试编写Ｍ脚本文件、3）

ｉｆ－elｓe—eｎd 分支结构

iｆ—else—end 分支结构有如下 3 种形式。

（a)

iｆ

表达式 语句组 1 end(b)

ｉf

表达式 语句组 1 else 语句组２ ｅnd(ｃ)

if

表达式 A

语句组 1 ｅlse ｉf 表达式 B 语句组 2 ｅlｓe if 语句组 3 …… ｅlse

语句组 n end 4）

swｉtcｈ—casｅ结构 创建 M 脚本文件 eｘｐ3、m,输入以下内容并在命令窗口中运行。

％功能:判断键盘输入得数就是奇数还就是偶数 n=iｎpｕt（’n=＇）;iｆ iseｍptｙ(n）

erｒoｒ（’plｅase ｉnput ｎ＇)；

n=ｉnput（“n＝’);enｄ ｓwitｃh mｏd(n,2）

case 1

A=’奇数＇

ｃaｓe 0

A=’偶数” Enｄ 答;ｎ＝input（＇n=’)； iｆ isempty(n)

ｅｒrｏr(＇ｐlｅaｓe ｉnｐuｔ n’)；

n＝input（“ｎ=’）； eｎd ｓwitcｈ mod(ｎ,2)

casｅ 1

A＝”奇数“

ｃａse ０

Ａ=”偶数＇ ｅｎd n=1 A = 奇数 ３、子函数与参数传递

有一个函数,试编写实现该函数得函数文件.ｆuncｔion g＝expl４(ｘ)

%主函数 g=0;fｏｒ n=1：ｘ

ｇ=g+faｃt（n);

%调用子函数 enｄ

function y=ｆact(k)

％子函数 y=1； for n＝1：k

y=y＊n； eｎd 输入参数可以有函数 nargin 计算,下面得例子 sｉｎplot（）,当知输入一个参数 w 时，siｎｐlot（）函数会给ｐ赋予默认值 0。4、局部变量与全局变量