这属于基础知识,老师应该讲的,可是;老师没讲.....在这个实验室,一师姐老师只要不在考试购物唱歌,完全无视其他人存在,给各个单身小学弟卖钱包,手表.......真是够了,精神污染....
和区间映射(我理解的是把一个区间[a,b]映射到[c,d],c+(x-a)*(d-c)/(b-a),没查,应该是这样,主要要理解的问题是两段距离映射的话要除以比例因子(d-c)/(b-a),自己理解的,这样就可以把数据映射到[-1,1])不一样,这是映射到[0,1],就是x' = (x-min)/(max-min),其中max和min分别是是x序列的最大、小值,并不是0和1。
这种方法的缺点是,如何加入新数据的话min和max可能变化。
这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化(x-u)/std。经过处理的数据符合标准正态分布,即均值为0,标准差为1。
由此,我们可以很块的写出最简单的matlab源代码如下:首先按行归一化:
% Examples A=[3 4;5 12]; [m n] = size(A); % normalize each row to unit for i = 1:m A(i,:)=A(i,:)/norm(A(i,:)); end
按列归一化。
% normalize each column to unit A=[3 4;5 12]; for i = 1:n A(:,i)=A(:,i)/norm(A(:,i)); end
然而,上述代码最能实现功能,但并不是最优的,它只是一种对该过程的最佳理解代码。在Matlab中,for循环是一件非常费时间的结构,因此我们在代码中应该尽量少用for循环。由此,我们可以用repmat命令得到另一种更加简洁更加快速的代码,只是这种代码对于初学者理解起来比较费劲。可以看做是自己水平的一种进阶吧。
% normalize each row to unit A = A./repmat(sqrt(sum(A.^2,2)),1,size(A,2)); % normalize each column to unit A = A./repmat(sqrt(sum(A.^2,1)),size(A,1),1);
参考:http://blog.sciencenet.cn/blog-810210-655011.html
http://www.newsmth.net/nForum/#!article/NumComp/108647