海外MATLAB代做须知4类作图时的重要操作

发表时间:2017-12-20 15:06:09 作者:zhouzhengmao 阅读:184次

      Matlab是三大数学软件之一，它可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。因此，这个软件的学习也成为了我们许多理工科留学生的难题，不少的中国留学生们都被它折磨得苦不堪言，下文中Meeloun小编给大家整理了海外MATLAB代做须知4类作图时的重要操作，或许对大家有些帮助。


      1. Ctrl+C中断正在执行的操作
      有时候你的程序陷入死循环或者运行时间过长，你想终止运算的话，可以在命令窗口输入Ctrl+C进行中断操作。此时MATLAB运行正忙，所以可能会有滞后现象，一般情况下，运行时所占运行内存越小，反应越迅速。
      2. figure命令新建一个绘图窗口
      figure命令可以打开一个空的绘图窗口，接下来的绘图命令就是直接把图画在这个窗口中，而不会覆盖之前的绘图窗口。如果同时打开多个figure窗口，再执行的命令就是对当前figure窗口中对象的操作，当前的figure窗口就是最后一次查看的窗口。
      3. 三种命令：clc、clear和clear all
当你的命令窗口内容太多，你想清除时，可以在命令窗口输入这三种命令，会有不同的效果：
      clc
      清除命令窗口中的所有输入和输出信息，但不影响命令的历史记录，也就是说你已经得到的结果是不会变的，比如你已经算得a=1,b=2，那么a与b的值就是1和2，你在输入clc后，再计算a+b，得到的结果还是3；
      clear
      如果你的工作空间中有多余变量，即你都没用过的变量，输入clear命令后可以清理这些无用的变量，节省你的内存；
      clear all
      这么命令就比较彻底了，直接一次性清除你所有变量，类似于进行了一次恢复出厂设置，一般当你结束一次运算，重新开始一次运算的时候可以用clear all使你的工作空间一目了然；
      4. Tab补全
      当你只记得某个命令的开头几个字母时，在命令窗口输入开头的字母，按住Tab键，如果只有一个以这些字母为开头的命令，则自动补全命令名，如果有2个及以上，则出现列表让你选择。注意，这个功能只在命令窗口有效；
      5. close all
      如果你想同时关闭所有绘图窗口，只需要输入命令close all就可以了；
      6. cell模式超好用
      在一个长长的脚本m文件中，可能需要对其中的一段反复修改，查看执行效果，这时，cell模式就非常有用了。
      cell模式相当于将其中的代码拷贝到命令窗口中运行。两个%后接一个空格(%% )开始一个cell。将输入光标放到一个cell中时，背景将变为浅黄色，Ctrl+Enter执行cell中的代码。
      执行cell中代码时不需要保存m文件，该m文件可以不在路径列表中。cell模式中，断点不起作用，当然，调用的子程序中的断点还是正常的。
      7. 上下光标键↑↓
      在命令窗口中，上下光标键可以将历史记录中的命令复制到输入位置，便于快速重新执行。如果输入命令的前几个字母如 [row, col] =，再使用光标键，则只会选择以这些字母开始的命令。


      初用MATLAB作图时，可能很多同学都不知道怎么处理字号大小和先款。事实上很简单，下面这段命令就可以解决这个问题。

      命令：

      set(gcf,'Position',[100 100 260 220]);
      set(gca,'Position',[.13 .17 .80 .74]);
      figure_FontSize=8;
      set(get(gca,'XLabel'),'FontSize',figure_FontSize,'Vertical','top');
      set(get(gca,'YLabel'),'FontSize',figure_FontSize,'Vertical','middle');
      set(findobj('FontSize',10),'FontSize',figure_FontSize);
      set(findobj(get(gca,'Children'),'LineWidth',0.5),'LineWidth',2);

      下面解释一下这些命令是什么意思。

      set(gcf,'Position',[100 100 260 220]);
      这句是设置绘图的大小，不需要到word里再调整大小。我给的参数，图的大小是7cm。

      set(gca,'Position',[.13 .17 .80 .74]);
      这句是设置xy轴在图片中占的比例，可能需要自己微调。

      figure_FontSize=8;
      set(get(gca,'XLabel'),'FontSize',figure_FontSize,'Vertical','top');
      set(get(gca,'YLabel'),'FontSize',figure_FontSize,'Vertical','middle');
      set(findobj('FontSize',10),'FontSize',figure_FontSize);
      这4句是将字体大小改为8号字，在小图里很清晰。

      set(findobj(get(gca,'Children'),'LineWidth',0.5),'LineWidth',2);
      这句是将线宽改为2。

      你也可以在File ➤ Export setup进行部分图片属性的修改。


      如何通过cftool工具实现将多条拟合曲线画在一张图中。
      首先输入所要拟合的数据，如x, y, x1, y1, x2, y2，之后打开cftool工具箱，使用数据拟合曲线，在拟合方式一栏选择某一种拟合方式，比如Smoothing Spline，可以得到图像。
      之后在文件菜单栏中点击Generate Code，之后将在工作空间里看到导出的m文件。
      function [fitresult, gof] = createFit(x, y)
      %CREATEFIT(X,Y)
      %  Create a fit.
      %
      %  Data for 'untitled fit 1' fit:
      %      X Input : x
      %      Y Output: y
      %  Output:
      %      fitresult : a fit object representing the fit.
      %      gof : structure with goodness-of fit info.
      %
      %  另请参阅 FIT, CFIT, SFIT.
      %  由 MATLAB 于 22-Dec-2015 00:27:49 自动生成
      %% Fit: 'untitled fit 1'.
      [xData, yData] = prepareCurveData( x, y );
      % Set up fittype and options.
      ft = fittype( 'smoothingspline' );
      % Fit model to data.
      [fitresult, gof] = fit( xData, yData, ft );
      % Plot fit with data.
      figure( 'Name', 'untitled fit 1' );
      h = plot( fitresult, xData, yData );
      legend( h, 'y vs. x', 'untitled fit 1', 'Location', 'NorthEast' );
      % Label axes
      xlabel( 'x' );
      ylabel( 'y' );
      grid on
      也就是说，其实也可以通过编写函数来实现拟合平滑曲线，但是由cftool工具箱导出的代码可以减少自己的工作量，减少由于MATLAB语言不熟练导致效率低下的工作。
      之后在这个m文件的适当位置加入拟合多条曲线的代码，就可以实现与cftool拟合平滑曲线效果相同的多条曲线了。
      同理，其他拟合方式也可以使用相同的方式达到多条曲线同时拟合的图像。


      参数估计与假设检验是MATLAB数据处理中一个重要的部分。简单的说，就是对一组数据进行统计，画出分布图后，根据图形形状猜想这组数据可能服从什么分布，然后对这组数据进行分析，看它是否真的服从该分布，或者在什么区间内满足该分布。
      在分分析之前，这里给大家统计了一下MATLAB分布函数的基本调用形式：
      下面举个例子说明一下该怎么用MATLAB进行参数估计与假设检验。
      若已知数据x=[15.14 14.81 15.11 15.26 15.08 15.17 15.12 14.95 15.05 14.87]服从正态分布N（u,a^2），其中u，a未知，通过已有的数据x，求u和a的最大似然估计和置信水平为90%的置信区间。
      对于normfit函数，调用格式为：[muhat,sigmahat,muci,sigmaci] = normfit(X, ALPHA)。
      x是已知的数据；ALPHA为显著性水平（1-置信水平），默认是0.05；返回值muhat为均值的最大似然估计，muci为均值的置信区间sigmahat为标准差的最大似然估计；sigmaci为标准差的置信区间。
      定义样本观测值的向量，通过这些值来估计参数的值：x=[15.14 14.81 15.11 15.26 15.08 15.17 15.12 14.95 15.05 14.87];
      调用normfit函数求正态总体参数的最大似然估计和置信区间；
      返回总体均值的最大似然估计muhat和90%置信区间muci；
      还返回总体标准差的最大似然估计sigmahat和90%置信区间sigmaci；
      置信水平为90%，则显著性水平=1-90%=0.1。
      [muhat,sigmahat,muci,sigmaci]=normfit(x,0.1)
      得到的结果是：
      muhat =
          15.0560
      sigmahat =
          0.1397
      muci =
         14.9750
         15.1370
      sigmaci =
          0.1019
          0.2298

      今天总共讲了4大类MATLAB作图时的重要操作，包括的内容可以说是非常多了。这些内容需要大家好好消化，希望对大家有所帮助。在海外留学的同学们需要海外MATLAB代做可以联系我们网站客服，我们将为大家提供最优的程序作业代写服务，欢迎骚扰客服MM~