matlablbg演算法

『壹』 matlab最優化演算法有哪些

matlab最優化程序包括

無約束一維極值問題 進退法 黃金分割法 斐波那契法 牛頓法基本牛頓法 全局牛頓法 割線法 拋物線法 三次插值法 可接受搜索法 Goidstein法 Wolfe.Powell法

單純形搜索法 Powell法 最速下降法 共軛梯度法 牛頓法 修正牛頓法 擬牛頓法 信賴域法 顯式最速下降法， Rosen梯度投影法 罰函數法 外點罰函數法

內點罰函數法 混合罰函數法 乘子法 G－N法 修正G－N法 L－M法 線性規劃 單純形法 修正單純形法 大M法 變數有界單純形法 整數規劃 割平面法 分支定界法 0-1規劃 二次規劃

拉格朗曰法 起作用集演算法 路徑跟蹤法 粒子群優化演算法 基本粒子群演算法 帶壓縮因子的粒子群演算法 權重改進的粒子群演算法 線性遞減權重法 自適應權重法 隨機權重法

變學習因子的粒子群演算法 同步變化的學習因子 非同步變化的學習因子 二階粒子群演算法 二階振盪粒子群演算法

『貳』 matlab中面積閾值演算法是什麼跪求！！！！謝謝了！！！

第一類是閾值方法，這種方法是根據圖像灰度值得分布特性確定某個閾值來進行圖像分割...MATLAB圖像處理工具箱中的watershed函數可以用於顯示分水嶺演算法。

『叄』 C語言實現把一個JPG圖片分解為兩個圖片，急！！謝謝

麻煩。。無聊。。
先找著jpg文件頭格式。。
C打開文件。。找到數據部分。。
新建文件。。寫入。。保存。。
綜上所述：無聊+麻煩。

『肆』 如何用MATLAB編寫的拉格朗日插值演算法的程序、二階龍格-庫塔方法的程序和SOR迭代法的程序

拉格朗日function y=lagrange(x0,y0,x)
n=length(x0);m=length(x);
for i=1:m
z=x(i);
s=0.0;
for k=1:n
p=1.0;
for j=1:n
if j~=k
p=p*(z-x0(j))/(x0(k)-x0(j));
end
end
s=p*y0(k)+s;
end
y(i)=s;
end SOR迭代法的Matlab程序

function [x]=SOR_iterative(A,b)
% 用SOR迭代求解線性方程組,矩陣A是方陣
x0=zeros(1,length(b)); % 賦初值
tol=10^(-2); % 給定誤差界
N=1000; % 給定最大迭代次數
[n,n]=size(A); % 確定矩陣A的階
w=1; % 給定鬆弛因子
k=1;
% 迭代過程
while k<=N
x(1)=(b(1)-A(1,2:n)*x0(2:n)')/A(1,1);
for i=2:n
x(i)=(1-w)*x0(i)+w*(b(i)-A(i,1:i-1)*x(1:i-1)'-A(i,i+1:n)*x0(i+1:n)')/A(i,i);
end
if max(abs(x-x0))<=tol
fid = fopen('SOR_iter_result.txt', 'wt');
fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n');
fprintf(fid,'迭代次數: %d次\n\n',k);
fprintf(fid,'x的值\n\n');
fprintf(fid, '%12.8f \n', x);
break;
end
k=k+1;
x0=x;
end
if k==N+1
fid = fopen('SOR_iter_result.txt', 'wt');
fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n');
fprintf(fid,'迭代次數: %d次\n\n',k);
fprintf(fid,'超過最大迭代次數，求解失敗！');
fclose(fid);
end Matlab中龍格-庫塔(Runge-Kutta)方法原理及實現龍格-庫塔(Runge-Kutta)方法是一種在工程上應用廣泛的高精度單步演算法。由於此演算法精度高，採取措施對誤差進行抑制，所以其實現原理也較復雜。該演算法是構建在數學支持的基礎之上的。龍格庫塔方法的理論基礎來源於泰勒公式和使用斜率近似表達微分，它在積分區間多預計算出幾個點的斜率，然後進行加權平均，用做下一點的依據，從而構造出了精度更高的數值積分計算方法。如果預先求兩個點的斜率就是二階龍格庫塔法，如果預先取四個點就是四階龍格庫塔法。一階常微分方程可以寫作：y'=f(x,y),使用差分概念。
(Yn+1-Yn)/h= f(Xn,Yn)推出（近似等於，極限為Yn'）
Yn+1=Yn+h*f(Xn,Yn)
另外根據微分中值定理，存在0<t<1,使得
Yn+1=Yn+h*f(Xn+th,Y(Xn+th))
這里K＝f(Xn+th,Y(Xn+th))稱為平均斜率，龍格庫塔方法就是求得K的一種演算法。
利用這樣的原理，經過復雜的數學推導（過於繁瑣省略），可以得出截斷誤差為O(h^5)的四階龍格庫塔公式：
K1＝f(Xn,Yn);
K2=f(Xn+h/2,Yn+(h/2)*K1);
K3=f(Xn+h/2,Yn+(h/2)*K2);
K4=f(Xn+h,Yn+h*K3);
Yn+1=Yn+h*(K1+2K2+2K3+K4)*(1/6);
所以，為了更好更准確地把握時間關系，應自己在理解龍格庫塔原理的基礎上，編寫定步長的龍格庫塔函數，經過學習其原理，已經完成了一維的龍格庫塔函數。
仔細思考之後，發現其實如果是需要解多個微分方程組，可以想像成多個微分方程並行進行求解，時間，步長都是共同的，首先把預定的初始值給每個微分方程的第一步，然後每走一步，對多個微分方程共同求解。想通之後發現，整個過程其實很直觀，只是不停的逼近計算罷了。編寫的定步長的龍格庫塔計算函數：
function [x,y]=runge_kutta1(ufunc,y0,h,a,b)%參數表順序依次是微分方程組的函數名稱，初始值向量，步長，時間起點，時間終點（參數形式參考了ode45函數）
n=floor((b-a)/h);%求步數
x(1)=a;%時間起點
y(:,1)=y0;%賦初值，可以是向量，但是要注意維數
for ii=1:n

x(ii+1)=x(ii)+h;

k1=ufunc(x(ii),y(:,ii));

k2=ufunc(x(ii)+h/2,y(:,ii)+h*k1/2);

k3=ufunc(x(ii)+h/2,y(:,ii)+h*k2/2);

k4=ufunc(x(ii)+h,y(:,ii)+h*k3);

y(:,ii+1)=y(:,ii)+h*(k1+2*k2+2*k3+k4)/6;
%按照龍格庫塔方法進行數值求解
end
調用的子函數以及其調用語句：
function dy=test_fun(x,y)
dy = zeros(3,1);%初始化列向量
dy(1) = y(2) * y(3);
dy(2) = -y(1) + y(3);
dy(3) = -0.51 * y(1) * y(2);
對該微分方程組用ode45和自編的龍格庫塔函數進行比較，調用如下：
[T,F] = ode45(@test_fun,[0 15],[1 1 3]);
subplot(121)
plot(T,F)%Matlab自帶的ode45函數效果
title('ode45函數效果')
[T1,F1]=runge_kutta1(@test_fun,[1 1 3],0.25,0,15);%測試時改變test_fun的函數維數，別忘記改變初始值的維數
subplot(122)
plot(T1,F1)%自編的龍格庫塔函數效果
title('自編的 龍格庫塔函數')

『伍』 matlab如何實現蒙特卡洛演算法

1、打開MATLAB軟體，如圖所示，輸入一下指令。

『陸』 用matlab編寫拉格朗日插值演算法的程序

做了一個測試，希望有所幫助。代碼：% 用matlab編寫拉格朗日插值演算法的程序，並以下面給出的函數表為數據基礎，
% 在整個插值區間上採用拉格朗日插值法計算f（0.6），寫出程序源代碼，輸出計算結果
% x -2.15 -1.00 0.01 1.02 2.03 3.25
% y 17.03 7.24 1.05 2.03 17.06 23.05
function main()
clc;
x = [-2.15 -1.00 0.01 1.02 2.03 3.25];
y = [17.03 7.24 1.05 2.03 17.06 23.05 ];
x0 = 0.6;
f = Language(x,y,x0)function f = Language(x,y,x0)
%求已知數據點的拉格朗日插值多項式
%已知數據點的x坐標向量: x
%已知數據點的y坐標向量: y
%插值點的x坐標: x0
%求得的拉格朗日插值多項式或在x0處的插值: fsyms t l;
if(length(x) == length(y))
n = length(x);
else
disp('x和y的維數不相等！');
return; %檢錯
endh=sym(0);
for (i=1:n)
l=sym(y(i));
for(j=1:i-1)
l=l*(t-x(j))/(x(i)-x(j));
end;
for(j=i+1:n)
l=l*(t-x(j))/(x(i)-x(j));
end;

h=h+l;
end
simplify(h);if(nargin == 3)
f = subs (h,'t',x0); %計算插值點的函數值
else
f=collect(h);
f = vpa(f,6); %將插值多項式的系數化成6位精度的小數
end結果：
f = 0.0201>>

『柒』 matlab圖象重建是什麼意思！

圖像壓縮是當今信息時代迫切需求的一門圖像處理技術，它極大的減少了圖像的數據量，為圖像的存儲，傳輸提供了方便。小波變換，是一種廣泛用於圖像壓縮的方法。它能讓圖像按不同的解析度分析。根據Mallat演算法的思想，圖像能分解成一個輪廓信號（低頻子圖）和水平，垂直，對角線三個方向上的細節信號（高頻子圖）。而輪廓信號又可以進一步分解。而圖像的主要能量部分是低頻部分，而且人眼視覺系統對低頻部分更為敏感，所以可以對低頻部分採用較低壓縮比；對高頻部分採用較大壓縮比來進行壓縮。nbsp;本文提出的是一種結合小波變換，DCT變換和矢量量化的壓縮方法。根據人眼的視覺特性，首先對圖像進行小波分解，然後，對低頻分量進行壓縮比不大的DCT變換；對不同方向不同解析度的高頻分量進行不同碼字大小的矢量量化編碼，然後對反變換和解碼後的系數進行小波重構。矢量量化過程中的碼書設計採用的是LBG演算法。這樣，根據對圖像質量的不同要求，我們可以改變小波分解的層數，來得到不同壓縮比的圖像。本篇論文只對小波分解一層和兩層後壓縮進行了模擬和分析，表明該方案結合了各種壓縮方法的優點，在滿足圖像質量的同時能得到較大的壓縮比。目前，在包裝裝潢設計中常用的圖形處理軟體有Pho-toshop，CorelDraw，AutoCAD等。但是這些軟體中很少涉及到對圖像進行壓縮處理，以滿足圖像進行傳輸和儲存的需要。基於這一點考慮，在此嘗試著用MATLAB編程來處理包裝裝潢圖像的壓縮，實現包裝與計算機的緊密結合。nbsp;1nbsp;MATLABnbsp;MATLAB是MathWorks公司推出的一套高性能的數值計算和可視化軟體，它集數值分析、矩陣運算、信號處理和圖像顯示於一體，它附帶的小波分析工具箱功能強大，可以完成小波分析的絕大部分工作。MATLAB工具箱的出現避免了程序設計中的重復性勞動，縮短了開發周期，降低了成本，因而受到工科院校師生和研究人員的青睞。nbsp;在介紹利用MATLAB小波工具壓縮圖像的文獻中，總是將真彩色RGB圖像轉換為灰度級索引圖像進行處理．經過這種處理以後，圖像的存儲數據能得到一定的壓縮，但由壓縮後的數據難以恢復成理想的彩色圖像。文中用MATLAB中有關函數處理圖像壓縮，而且由壓縮後的數據可以還原出圖像．實驗結果表明，還原出的圖像效果是理想的。文中主要以lena圖像的處理為例，對它進行二進小波多層分解後，將低頻和高頻近似的系數矩陣作相應的處理，來研究用MATLAB中的小波工具箱壓縮圖像的方法。nbsp;2nbsp;圖像壓縮方法nbsp;在實際應用中，首先需要從圖像文件中讀取圖像數據．MATLAB使用imreed（）函數完這一任務．例如，在電腦D盤中有一彩色圖像文件picl．jps，則可由下述語句讀取：nbsp;X＝imread（′D:picl．jpg′）；nbsp;MATLAB圖像處理工具箱支持4種基本圖像類型：索引圖像、灰度圖像、二進制圖像和RGB圖像．MATLAB直接從圖像文件中讀取的圖像為RGB圖像．它存儲在三維數組中。這個三維數組有3個面，依次對應子紅（Red）、綠（Green）、藍（Blue）3種顏色，而面中的數據則分別是這3種顏色的強度值，面中的元素對應於圖像中的像素點。nbsp;索引圖像數據包括圖像矩陣X與顏色圖數組map，其中顏色圖map是按圖像中顏色值進行排序後的數組。對於每個像素，圖像矩陣X包含一個值，這個值就是顏色圖數組map中的索引。顏色圖map為m×3雙精度矩陣，各行分別指定紅、綠、藍（R、G、B）單色值，map=〔RGB〕，R、C、B為值域為〔0，1〕的實數值，m為索引圖像包含的像素個數．然後可根據情況採用不同的小波函數，進行索引圖像的分解壓縮。這里對上面產生的索引圖像X用dbl小波進行2層分解。nbsp;〔c，l〕＝wavedec2（X，2，′dbl′）。nbsp;在這里，一個索引圖像作小波分解後，可得到一系列不同解析度的子圖像，不同解析度的子圖像對應的頻率是不相同的．高解析度（即高頻細節）子圖像上大部分點的數值接近於0，越是高頻這種現象越明顯．對一個圖像來說，表現一個圖像最主要的部分是低頻（即近似）部分。nbsp;多層小波分解的所有成分系數均保存在向量c中，低頻近似與高頻細節的系數需從向量C中提取。MATLAB分別使用appcoet2（）和detcoef2（）函數來完成這一工作。這種方法是對低頻和高頻部分進行處理，因而提取低頻和高頻近