matlab自带的例子
【篇一：matlab自带的例子】
matlab中有许多有意思的实例，具体如下，运行的时候只要将“：”前面的代码复制到matlab中就可以了，随之会出现各种各样的演示实例，很有意思哦。 ◆ 平面与立体绘图
graf2d ：xy平面绘图（火柴棒） graf2d2 ：xyz立体绘图（切片）
hndlgraf ：平面显示线型处理窗口及命令演示 hndlaxis ：平面显示处理窗口及命令演示 graf3d ：立体显示处理窗口及命令演示 ◆ 复杂函数的三维绘图
cplxdemo ：复杂的xyz立体图形 ◆ 等高线绘制
quivdemo ：等高线箭头显示 ◆ 动画
lorenz ： lorenz吸引子动画显示 ◆ 电影
vibes ： l-形薄膜振动 ◆ fourier变换
sshow sunspots ：太阳黑点数据的傅里叶分析 fftdemo ：分析噪声序列中两组数据的相关度 ◆ 数据拟合
sshow fitdemo ：显示非线性数据拟合过程 census ：预测世界人口 spline2d ：样条拟合 ◆ 稀疏矩阵
sshow sparsity ：降阶 ◆ 游戏
xpbombs ：仿windows系统自带的扫雷游戏 life ：生命发展游戏 ◆ 三维效果图
klein1 ：肤色三维效果图
tori4 ：四个首尾相接的圆环
spharm2 ： 球形和声
cruller ：类似油饼的东西 xpklein ： klein瓶 bottle
modes ： l-形薄膜的12中模态 logo ：matlab的logo
xpquad ：不同比例的巴尔体超四方体 truss ：二维桁架的12个模模态 travel ：旅行商问题动画演示
wrldtrv ：在地球仪上演示两地间的飞行线路 makevase ：通过点击鼠标来制作花瓶 xpsound ：声音样本分析
funfuns ：综合了找零点，最小化和单输入函数积分功能 sshow e2pi ： e^pi或者pi^e quake ：地震波可视化 penny ：便士可视化
imageext ：改变图像的映**色 earthmap ：地球仪 ◆ 优化工具箱
bandem ：香蕉最优化展示 expo-style banana optimization sshow filtdem ：滤波效果演示 filter effect demo sshow filtdem2 ：滤波设计演示 filter design demo cztdemo ： fft和czt (两种不同类型的z-变换算法) phone ：演示电话通声音的时间与频率的关系 sigdemo1 ：离散信号的时频图，可用鼠标设置 sigdemo2 ：连续信号的时频图，可用鼠标设置 filtdemo ：低通滤波器的交互式设计 moddemo ：声音信号的调制
sosdemo ：数字滤波器的切片图 ◆ 神经网络工具箱
neural ：神经网络模块组 firdemo ：二维fir滤波器 nlfdemo ：非线性滤波器 dctdemo ：dct演示
mlpdm1 ：利用多层感知器神经网络拟合曲线动画
mlpdm2 ：利用多层感知器神经网络进行xor问题运算
◆ 模糊逻辑工具箱
invkine ：运动逆问题 juggler ：跳球戏法
fcmdemo ： fc***cp ： 类似倒立摆动画
slcp1 ：类似倒立摆动画cart and a varying pole
slcpp1 ：类似倒立摆动画，有两个摆，一个可以变化 sltbu ：卡车支援
slbb ：类似于翘翘板
【篇二：matlab自带的例子】
最近在学svm分类，找了一些资料，自己用matlab演示了一遍两类分类问题。
matlab r2010a,自带的svm集成了两个函数svmtrain和
svmclassify ，这两个函数的功能使用可以查看matlab帮助文档(help svmtrain),一个用来训练样本，一个用来测试分类 matlab代码：
clear,clc%训练数据20 x 2,20行代表20个训练样本点，第一列代表横坐标，第二列纵坐标traindata = [-3 0;4 0;4 -2;3 -3;-3 -2;1 -4;-3 -4;0 1; -1 0;... 2 2; 3 3; -2 -1;-4.5 -4; 2 -1;5 -4;-2 2;-2 -3;0 2;1 -2;2 0];%group 20 x 1, 20行代表训练数据对应点属于哪一类（1类，-1类）group = [1 -1 -1 -1 1 -1 1 1 1 -1 -1 1 1 -1 -1 1 1 1 -1 -1];testdata = [3 -1;3 1;-2 1;-1 -2;2 -3;-3 -3];%测试数据svmstruct = svmtrain(traindata,group,showplot,true); % traingroup = svmclassify(svmstruct,testdata,showplot,true); % testhold on;plot(testdata(:,1),testdata(:,2),ro,markersize,12); %mark hold off
运行结果：小黑圈圈起来的点代表支持向量，大圈圈起来的点代表测试点，未被圈起来的点代表对形成分类器不起作用的点（非支持向量）
