当前位置:   article > 正文

matlab工具箱作用简介,Matlab各工具箱功能简介(部分)

matlab的toolbox里的作用

Toolbox工具箱 序号 工具箱 备注 一、数学、统计与优化 1 Symbolic Math Toolbox 符号数学工具箱 Symbolic Math Toolbox? 提供用于求解和推演符

号运算表达式以及执行可变精度算术的函数。您可以通过分析执行微分、积分、化简、转换以及方程求解。另外,还可以利用符号运算表达式为 MATLAB、Simulink 和 Simscape? 生成代码。

??

Symbolic Math Toolbox 包含 MuPAD 语言,并已针对符号运算

表达式的处理和执?行进行优化。该工具箱备有 MuPAD 函数库,其中包括普通数学领域的微积分和线性代数,以及专业领域的数论和组合论。此外,还可以使用 MuPAD 语言编写自定义的符号函数和符号库。MuPAD 记事本支持使用嵌入式文本、图形和数学排版格式来记录符号运算推导。 PDF 的格式分享带注释的推导。

您可以采用 HTML 或

2 Partial Differential

Euqation Toolbox 偏微分方程工具箱 偏微分方程工

具箱?提供了用于在2D,3D求解偏微分方程(PDE)以及一次使用有限元分析。它可以让你指定和网格二维和三维几何形状和制定边界条件和公式。你能解决静态,时域,频域和特征值问题在几何领域。功能进行后处理和绘图效果使您能够直观地探索解决方案。 你可以用偏微分方程工具箱,以解决从标准问题,如扩散,传热学,结构力学,静电,静磁学,和AC电源电磁学,以及自定义,偏微分方程的耦合系统偏微分方程。

3

Statistics Toolbox 统计学工具箱 Statistics and

Machine Learning Toolbox 提供运用统计与机器学习来描述、分析数据和对数据建模的函数和应用程序。您可以使用用于探查数据分析的描述性统计和绘图,使用概率分布拟合数据,生成用于 Monte Carlo 仿真的随机数,以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。

对于分析多维数据,Statistics and Machine Learning Toolbox 可

让您通过序列特征选择、逐步回归、主成份分析、规则化和其他降维方法确定影响您的模型的主要变量或特征。该工具箱提供了受监督和不受监督机器学习算法,包括支持向量机 (SVM)、促进式 (boosted) 和袋装 (bagged) 决策树、k-最近邻、k-均值、k-中心点、分层聚类、高斯混合模型和隐 马尔可夫模型。 4

Curve Fitting Toolbox 曲线拟合工具箱 Curve

Fitting Toolbox? 提供了用于拟合曲线和曲面数据的应用程序和函数。使用该工具箱可以执行探索性数据分析,预处理和后处理数据,比较候选模型,删除偏值。您可以使用随带的线性和非线性模型库进行回归分析,也可以指定您自行定义的方程式。该库提供了优化的解算参数和起始条件,以提高拟合质量。该工具箱还提供非参数建模方法,比如样条、插值和平滑。 在创建一个拟合之后,您可以运用多种后处理方法进行绘图、插值和外推,估计置信区

间,计算积分和导数。 5

Optimization Toolbox 优化工具箱 Optimization

Toolbox? 提供了寻找最小化或最大化目标并同时满足限制条件

的函 数。工具箱中包括了线性规划、混合整型线性规划、二次规划、非线性优化、非线性最小二 乘的求解器。您可以使用这些求解器寻找连续与离散优化问题的解决方案、执行折衷分析、 以及将优化的方法结合到其算法和应用程序中。

6 Global

Optimization Toolbox 全局优化工具箱 Global

Optimization Toolbox 所提供的方法可为包含多个极大值或极小值的问题搜索全局解。它包含全局搜索、多初始点、模式搜索、遗传算法和模拟退火求解器。对于目标

函数或约束函数连续、不连续、随机、导数不存在以及包含未

确定参数的仿真模型或黑箱函数的优化问题,都可使用这些求解器来求解。 遗传算法和模式搜索求解器都支持算法定制。你可以修改初始种群和适应度尺度变换选项、定义亲本选配、交叉和变异函数,创建自定义的遗传算法。还可通过定义轮询、搜索和 其它函数来自定义模式搜索。 7 Neural Network

Toolbox 神经网络工具箱 神经网络工具箱?提供的功

能和应用服务建模是不容易建模与封闭形式方程复杂的非线性系统。神经网络工具箱支持监督学习与前馈,径向基和动态网络。它也支持无监督学习与自组织地图和有竞争力的层。有了你可以设计,培训,可视化和模拟神经网络工具箱。可以使用神经网络工具箱等应用数据拟合,模式识别,聚类,时间序列预测,和动态系统建模和控制。 要加快培养和处理大型数据集,您可以在多核处理器,GPU和计算机集群使用并行计算工具箱

8 Model-Based Calibration

Toolbox 基于模型矫正工具箱 基于模型矫正工具箱

?分发计算和数据。

?提供的应用程序和设计工具优化校准复杂的发动机和动力总成子系统。您可以定义最佳的测试计划,自动适应的统计模型,并生成校准和查找表的高自由度复杂的引擎,将使用传统的方法,否则需要详尽的测试。校准可以在各个工作点或以上驱动周期进行优化,以确定发动机的燃油经济性,性能和排放的最佳平衡。使用的应用程序或MATLAB?功能,可以自动校准过程相似类型的发动机。 与基于模型的标定工具箱创建的模型可以导出到Simulink?的支持控制设计,硬件在环测试,和整个动力总成设计团队的动力系统模拟活动。校准表可以导出到ETAS INCA和ATI愿景。 二、信号处理与通信

9 Signal

Processing Toolbox 信号处理工具箱 Signal

Processing Toolbox?提供了用来生成、测量、变换、过滤和可视化信号的函数和应用程序。该工具箱包括用于重新采样、平滑和同步信号、设计和分析滤波器、估算功率谱以及测量峰值、带宽和失真的算法。该工具箱还包括参数化和线性预测建模算法。您可以使用 Signal Processing Toolbox 分析和比较时域、频域和时频域中的信号,识别规律和趋势,提取特征,开发和验证自定义算法,从而洞察您的数据。

10 DSP System Toolbox DSP系统工具箱 DSP

System Toolbox 提供用于 MATLAB? 和 Simulink? 中流信号处理的

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Monodyee/article/detail/90242
推荐阅读
相关标签
  

闽ICP备14008679号