matlab程序设计基础精选.pptVIP

5、程序结构和流程控制 和其他语言一样，MATLAB的程序结构也不外三种：顺序结构、分支结构和循环结构。 2、分支结构的语句形式及实例 举例： 例5.1 输入数n，判断其奇偶性。 程序式书写法：* n=input(‘n=’); if rem(n,2)==0 A=‘even’ else A=‘odd’ end 例5.2 写程序，判断某一年是否闰年*。 switch 表达式 case 值1 语句组1 case 值2 语句组2 …… otherwise 语句组n 举例： 例5.3 用switch语句改写例3.1。 例5.4 给出一百分制成绩，要求输出成绩等级‘A’、‘B’、‘C’、‘D’、‘E’。90分以上为‘A’，80~89分为‘B’，70~79分为‘C’，60~69分为‘D’，60分以下为‘E’。 1、MATLAB的循环结构 循环结构就是执行重复运算的一段程序。MATLAB的循环语句有for.end和while.end两种形式。 2、循环结构的语句形式及实例 举例： 例5.5 列出构成Hilbert矩阵的程序。 clear, close all format rat, n=input(‘n=‘), for i=1:n for j=1:n h(i,j)=1/(i+j-1); end end h 例5.6 求100~200间的全部素数*。 While循环结构的语句形式： 例5.8 用π/4≈1-1/3+1/5-1/7+…公式求π的近似值，直到最后一项的绝对值小于10-6为止。 实例1 matlab神经网络工具箱 1.1 网络数据对象的建立 net=newff([xm,xM],[h1,…,hk],{f1,…,fk}); xm,xM分别为列向量(行数为变量个数)，分别存储每个变量的最小值和最大值。 [h1,…,hk]表示网络各层的节点数, 一共有k层. {f1,…,fk}表示各层使用的传输函数，默认为’tansig’，即Sigmoid函数。还可使用函数’purelin’，即f(x)=x。 其它可看matlab帮助: help newff 1.2 网络数据对象net的属性 net.IW：来自输入层的加权矩阵。BP网络只用net.IW{1},表示各个输入变量对第1层各节点的加权矩阵。 net.LW：来自中间层的加权向量。 BP网络用net.IW{2,1}表示第1隐层个节点向下一层个节点的加权矩阵； net.IW{3,2}表示第2隐层向下一层的加权矩阵… net.b：各层的偏移。Net.b{1}表示第1隐层个节点的偏移… net.trainParam.epochs：最大训练步数。不过当误差准则满足时，即使没达到此步数也停止训练。缺省为100。 net.trainParam.goad：网络误差准则，当误差小于此准则时停止训练，缺省为0。 net.trainFcn：训练算法。缺省为 ’trainlm’，即Levenberg-Marquardt算法。还可使用‘traingdx’，即带动量的梯度下降算法；’traincgf’，即共轭梯度法。 其它可看matlab帮助:help-contents- Neural Network Toobox- Network Object Reference; help(net.trainFcn) 1.3 网络的训练 [net,tr,Y1,E]=train(net,X,Y); net是函数newff建立的数据对象。 X为n*m的矩阵, n为输入变量个数, m为样本数(即把每个样本是一个列向量)。 Y为k*m的矩阵, k为数出变量个数。 tr返回训练的跟踪信息, tr.epochs为训练步数, tr.perf为各步目标函数的值。 Y1和E返回网络最终的输出和误差。 训练结束后可以用plotperf(tr)来绘制目标值随着训练步数变化的曲线。 1.4 网络的泛化(预测) Y=sim(net,X); ne