已經跟呼吸一樣重要的網路和手機論文書籍站
單位矩陣matlab的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列免費下載的地點或者是各式教學
單位矩陣matlab的問題，我們搜遍了碩博士論文和台灣出版的書籍，推薦（日）角明寫的 Python 科學計算入門：基於NumPy/SymPy/SciPy/pandas的數值計算和數據處理方法 和王貴財的 MATLAB從入門到精通（雲課版）都 可以從中找到所需的評價。
另外網站三角矩阵、零矩阵、1矩阵_matlab如何生成单位矩阵 - 美丽怡姿网也說明：MATLAB 生成单位矩阵、三角矩阵、零矩阵、1矩阵单位矩阵:eye(m,n) 稀疏单位矩阵:speye(m,n) ps:I = speye(1000) 构成1000×1000 单位矩阵的稀疏表示形式,它只需要大约16 ...
這兩本書分別來自中國水利水電 和人民郵電所出版 。
朝陽科技大學 工業工程與管理系 林宏達所指導 鄭丞凱的 電腦視覺技術應用於手工具組裝之零件瑕疵檢驗 （2021），提出單位矩陣matlab關鍵因素是什麼，來自於自動化檢驗、手工具組裝、瑕疵檢驗、R-CNN網路模式。
而第二篇論文淡江大學 電機工程學系碩士班 施鴻源所指導 林郁勝的 使用FPGA實現基於類神經網路之心電圖身份辨識系統 （2021），提出因為有 定點數、軟硬體協同設計、辨識身份、DNN、FPGA、ECG的重點而找出了 單位矩陣matlab的解答。
最後網站matlab eye()函数 - 简书則補充：eye()函数返回单位矩阵. >> eye(2) %%n方阵eye(2,3) %%n行m列矩阵eye([2,3]) %%n行m列矩阵a=[1 2 3 ; 3 4 5 ; 6 7 8] eye(size(a)) %%同a大小矩阵eye ...
Python 科學計算入門：基於NumPy/SymPy/SciPy/pandas的數值計算和數據處理方法
為了解決單位矩陣matlab 的問題，作者（日）角明 這樣論述：
Python是一種簡單、易學、功能強大的編程語言，廣泛應用於Web和Internet開發、人工智慧開發、科學計算、軟件開發、數據處理與分析、桌面開發、後端開發等。《Python科學計算入門》就針對編程零基礎讀者，詳細介紹了Python編程基礎知識及Python在科學計算中的應用方法。全書共9章，結合Num Py、SciPy、SymPy、pandas、Matplotlib等軟體庫，通過大量示例對科學計算中的陣列運算、代數計算、數值計算、數據視覺化等內容進行了詳細說明，特別適合想使用計算機解決數學問題的學生、程式師、IT工程師和科研人員學習。 角明（kakuaki） 年畢業于
東京工業大學理工科研究生院 。 從學生時代開始就使用Python、MATLAB、 Fortran、C、LISP等編程語言，專注於數值分 析。為了幫助傳播Python，在Udemy發佈了 Python相關的課程，並在KDP發佈了相關的 電子圖書。 第1章 開發環境的準備 1.1 Python的安裝 1.1.1 Anaconda Individual Edition的安裝 1.1.2 創建虛擬環境 1.2 Jupyter Notebook 1.2.1 何謂Jupyter Notebook 1.2.2 Jupyter Notebook的啟動 1.2.3 單元的操作 第2章 Py
thon編程基礎 2.1 物件和變數 2.1.1 對象的概要 2.1.2 變數 2.1.3 有關命名的規則與注意事項 2.1.4 軟件庫 2.2 數值 2.2.1 整數 2.2.2 浮點數 2.2.3 複數 2.2.4 算術運算子 2.3 容器 2.3.1 字串 2.3.2 列表 2.3.3 索引與切片 2.3.4 可變對象 2.3.5 元組 2.3.6 字典 2.4 比較運算子和邏輯運算子 2.4.1 布林值 2.4.2 比較運算子 2.4.3 邏輯運算子 2.5 條件陳述式 2.5.1 if語句 2.5.2 while語句 2.5.3 for語句 2.6 函數定義 2.6.1 函數定義的基
礎 2.6.2 文檔字串 2.6.3 裝飾器 2.6.4 lambda運算式 第3章 基於NumPy的數組運算 3.1 NumPy的準備 3.1.1 何謂NumPy 3.1.2 NumPy的導入 3.2 數組的創建 3.2.1 array函數 3.2.2 數組的數據類型 3.2.3 值為0和1的數組 3.2.4 表示單位矩陣、對角矩陣以及三角矩陣的數組 3.2.5 數組值等間距變化的數組 3.3 元素的訪問
電腦視覺技術應用於手工具組裝之零件瑕疵檢驗
為了解決單位矩陣matlab 的問題，作者鄭丞凱 這樣論述：
目錄摘要 IAbstract II目錄 IV圖目錄 VII表目錄 XII第一章 緒論 I1.1 棘輪扳手與零件介紹 21.2 棘輪扳手組裝流程 51.3 棘輪扳手組裝異常類型與瑕疵種類 71.4 棘輪扳手組裝之現行檢驗方式 181.5 研究動機與目的 191.6 論文架構 21第二章 文獻探討 222.1 自動化視覺檢測 222.2 組裝異常檢測 232.3 物件特徵比對 252.4 類神經網路模型 262.4.1 卷積神經網路(Convolutional Neural Network, CNN) 262.4.2 YOLOV4 (You O
nly Look Once)網路模型 272.4.3 基於區域的卷積神經網路(Region With CNN, R-CNN) 282.4.4 快速的基於區域的卷積神經網路(Fast R-CNN) 292.4.5 更快速的基於區域的卷積神經網路(Faster R-CNN) 302.4.6 基於遮罩的區域卷積神經網路(Mask R-CNN) 32第三章 研究方法相關原理 363.1 工件影像濾波 363.2 常見之物件偵測分類器 373.2.1 CNN網路模型 383.2.2 YOLO系列模型 393.2.3 R-CNN系列模型 40第四章 研究流程與技術應用 514.
1 工件影像拍攝 534.2 影像之ROI區域擷取 544.3 ROI影像之濾波處理 554.4 工件組裝異常之瑕疵種類特徵擷取 574.5 工件組裝異常類型之瑕疵種類的分類 604.5.1 物件候選區域選擇 614.5.2 CNN網路模式之特徵提取 624.5.3支援向量機的瑕疵分類 634.5.4 可疑瑕疵區域的邊界框回歸 644.5.5 瑕疵種類分類結果輸出 664.6 工件組裝異常類型之瑕疵種類的分類績效混淆矩陣 67第五章 實驗結果與分析 695.1 樣本影像說明 695.2 組裝異常之瑕疵檢測系統之發展 705.3 組裝異常類型之瑕疵種類分類績效指標
715.4 組裝異常之瑕疵檢測系統之R-CNN網路模型之參數設定 725.4.1 網路模型之學習率參數設定 745.4.2 網路模型之訓練批量參數設定 765.4.3 網路模型之優化器類型選擇 785.4.4 網路模型之訓練次數參數設定 805.4.5 網路模型避免過度擬合之判斷設定 825.5 組裝異常檢測之分類績效評估與比較 845.5.1 R-CNN系列模型比較 845.5.2 R-CNN系列模式與YOLOV4之檢測績效比較 895.6 敏感度分析 955.6.1 ROI區域大小對檢測效益之影響 965.6.2 影像亮度的變化對檢測績效之影響 975.6.3
工件擺放方式對檢測績效之影響 995.6.4 工件表面油漬量對檢驗績效之影響 1035.6.5 工件輸送帶速度對檢測績效之影響 1085.6.6 棘輪扳手單一分類器檢驗模型選擇 1135.6.7 同態濾波對檢測效益之影響 115第六章 結論與後續研究方向 1186.1 結論 1186.2 未來研究方向 119參考文獻 122表目錄表1 市售主要棘輪扳手之英制與公制規格 3表 2 1/2”36T棘輪扳手各組裝站之零件表 4表3 棘輪扳手組裝之各工作站的工作內容說明表 5表4 棘輪扳手組裝時可能產生的組裝異常類型說明彙整表 8表5 棘輪扳手組裝過程
可能的組裝異常類型與瑕疵種類彙整表 9表6 缺件組裝異常之瑕疵種類影像彙整表 14表7 錯置組裝異常之瑕疵種類影像彙整表 15表8 異物組裝異常之瑕疵種類影像彙整表 16表9 餘件組裝異常之瑕疵種類影像彙整表 17表10 取像限制說明表 21表11 本研究與物件偵測相關文獻比較表 35表12 本研究使用之網路模型比較表 48表13 本研究目前使用之遮罩與影像面積之比較表(單位:pixel) 55表14 灰階影像與濾波後影像之平均值及標準差比較表 57表15 以影像張數為基礎之棘輪扳手分類混淆矩陣示意表 68表16 棘輪扳手檢驗結果之混淆矩陣示意表
68表17 本研究組裝第一站之檢測樣本影像數量 73表18 本研究組裝第二站之檢測樣本影像數量 74表19 本研究組裝第三站之檢測樣本影像數量 74表20 採用不同學習率之檢測效益結果比較 75表21 採用不同訓練批量之檢測效益結果比較 77表22 本研究探討之三種優化演算法優缺點比較 79表23 採用不同網路模型優化器之檢測效益結果比較 79表24 採用不同網路模型訓練次數之檢測效益結果比較 81表25 R-CNN網路模型之預設值與較佳參數設定之比較表 84表26 第一站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 86表27 第二站大樣本異常類型之瑕
疵種類檢驗模型效益彙整表 87表28 第三站大樣本異常類型之瑕疵種類檢驗模型效益彙整表 88表29 本研究組裝工作站之較佳網路模型效益彙整表 89表30 第一站較佳模型與YOLOV4之檢測效益比較表 90表31 第二站較佳模型與YOLOV4之檢測效益比較表 91表32 第三站較佳模型與YOLOV4之檢測效益比較表 92表33 第一站各網路模型之檢測時間彙整表(單位:秒) 93表34 第二站各網路模型之檢測時間彙整表(單位:秒) 93表35 第三站各網路模型之檢測時間彙整表(單位:秒) 93表36 採用不同遮罩大小之檢測效益結果比較 96表37 採用拍攝光
線強度之檢測效益結果比較 98表38 工件偏移角度之影像數量彙整表 101表39 棘輪扳手不同擺放角度之檢測效益比較表 101表40 ROI區域與油漬量之影像面積比較表(單位:pixel) 104表41 塗抹不同程度潤滑油之檢測效益比較表 106表42 靜態與動態拍攝之差異比較表 109表43 不同輸送帶速度之影像檢測效率 111表44 棘輪扳手動態視覺檢測系統之檢測效益比較表 112表45 棘輪扳手各站模型之正確分類率比較表 114表46 灰階影像與濾波後影像之影像像素比較表 116表47 第一站各模型有無經同態濾波處理之檢測效益彙整表 117圖目錄
圖1 市售棘輪扳手常見之產品銷售方式 I圖2 棘輪扳手的使用說明 2圖3 完成組裝之1/2” 36T棘輪扳手 3圖4 1/2”扭力頭寬度規格標示 3圖5 1/2”36T棘輪扳手之內部結構 3圖6 36T扭力頭實體圖(圓圈標示處為該零件之齒輪) 4圖7 葫蘆柄各組裝站之零件彙整 6圖8 棘輪扳手之組裝異常類型與瑕疵種類關係彙整圖 10圖9 第一站經組裝後各種可能的缺件組裝異常結果 11圖10 第二站經組裝後各種可能的缺件組裝異常結果 12圖11 第三站經組裝後各種可能的缺件組裝異常結果 13圖12 棘輪扳手檢驗實體圖 19圖13 同態濾波器的運算
流程 37圖14 CNN網路架構示意圖 38圖15 卷積方法示意圖 39圖16 池化運算示意圖 39圖17 YOLOV4網路架構示意圖 40圖18 R-CNN網路架構示意圖 41圖19 Fast R-CNN網路架構示意圖 43圖20 ROI pooling運算示意圖 44圖21 Faster R-CNN網路架構示意圖 45圖22 RPN運算示意圖 46圖23 Mask R-CNN網路架構示意 47圖24 研究方法流程圖 52圖25 本研究現階段使用之數量與零件 53圖26 本研究之硬體設備架設示意圖 53圖27 本研究前處理之影像平均值與
標準差 54圖28 本研究使用之五種遮罩大小 55圖29 使用同態濾波濾除拍攝時造成反光之像素變化 56圖30 灰階影像與濾波後影像之平均值及標準差曲線圖 57圖31 光源控制器數值下灰階影像與濾波後影像標準差比較表 57圖32 使用Matlab軟體內建之Image Labeler工具箱進行人工標...58圖33 完成標註之邊界框資訊 58圖34 棘輪扳手組裝製程中第一組裝站使用R-CNN網路模式之圖像標註流程圖 59圖35 第一站缺件檢驗之R-CNN網路架構的訓練程序 60圖36 R-CNN模型檢驗流程圖 61圖37 候選區域選擇示意圖 62圖38
特徵提取流程圖 63圖39 邊界框回歸原理示意圖 65圖40 邊界框回歸運算可能發生之失效結果 66圖41 瑕疵種類分類結果示意圖 67圖42 運用R-CNN網路模型之棘輪扳手檢驗辨識系統測試程序 67圖43 本研究之實驗架構圖 69圖44 本研究影像拍攝之設備圖 70圖45 本研究所開發之使用者介面 71圖46 不同學習率之檢出績效評估ROC曲線圖 75圖47 不同學習率之正確分類率折線圖 76圖48 不同訓練批量之檢出績效評估ROC曲線圖 77圖49 不同訓練批量之正確分類率折線圖 77圖50 不同網路模型優化器之檢出績效評估ROC曲線圖
80圖51 不同網路模型優化器之正確分類率折線圖 80圖52 不同訓練次數之檢出績效評估ROC曲線圖 82圖53 不同訓練次數之正確分類率折線圖 82圖54 本研究使用R-CNN網路模型之訓練資料損失曲線圖 83圖55 過擬合現象示意圖 83圖56 第一站R-CNN系列模型之ROC曲線圖 86圖57 第一站R-CNN系列模型之績效指標曲線圖 86圖58 第二站R-CNN系列模型之ROC曲線圖 87圖59 第二站R-CNN系列模型之績效指標曲線圖 87圖60 第三站R-CNN系列模型之ROC曲線圖 88圖61 第三站R-CNN系列模型之績效指標曲線圖
88圖62 第一站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 90圖63 第一站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 90圖64 第二站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 91圖65 第二站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 91圖66 第三站R-CNN系列較佳模型與YOLOV4之ROC曲線圖 92圖67 第三站R-CNN系列較佳模型與YOLOV4之績效指標曲線圖 92圖68 R-CNN系列模型與YOLOV4之總訓練時間曲線圖 94圖69 R-CNN系列模型與YOLOV4之總測試時間曲線圖 94圖70
R-CNN系列模型與YOLOV4之單位影像測試時間曲線圖 94圖71 各站R-CNN系列較佳模型與YOLOV4之正確分辨率直方圖 95圖72 使用不同遮罩大小之棘輪扳手檢出績效評估ROC曲線 97圖73 使用不同遮罩大小之棘輪扳手正確分類率折線圖 97圖74 採用不同亮度拍攝棘輪扳手之檢出率與誤判率ROC曲線 98圖75 採用不同亮度拍攝棘輪扳手之正確分類率折線圖 98圖76 工件擺放方向示意圖 99圖77 原始影像之各角度擺放情況 100圖78 原始影像加入遮罩後各角度擺放情況 100圖79 棘輪扳手正向擺設角度之檢出績效評估ROC曲線 102圖80
棘輪扳手負向擺設角度之檢出績效評估ROC曲線 102圖81 棘輪扳手擺設角度之正確分類率折線圖 103圖82 第一站塗抹不同程度潤滑油之比較圖 104圖83 第二站塗抹不同程度潤滑油之比較圖 104圖84 第一站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖85 第二站塗抹不同程度之潤滑油後加上遮罩之比較圖 105圖86 第一站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 106圖87 第一站塗抹不同程度潤滑油之正確分類率折線圖 107圖88 第二站塗抹不同程度潤滑油之檢出績效評估ROC曲線圖 107圖89 第二站塗抹不同程度潤滑油之正確分類率折線圖 1
07圖90 棘輪扳手動態視覺檢測系統運作示意圖 108圖91 棘輪扳手動態視覺檢測系統硬體架設實體圖 110圖92 動態視覺檢測系統中不同輸送帶速度所拍攝之原始影像 110圖93 動態視覺檢測系統中不同輸送帶速度所拍攝之前處理影像 111圖94 棘輪扳手動態視覺檢測系統之ROC曲線圖 112圖95 棘輪扳手動態視覺檢測系統之正確分類率曲線圖 113圖96 棘輪扳手各站模型之正確分類率直方圖 114圖97 棘輪扳手各站模型之檢測時間直方圖 115圖98 有無經同態濾波處理對各模型之正確分類率直方圖 117圖99 有無經同態濾波處理對各模型之績效指標折線圖 11
7
MATLAB從入門到精通（雲課版）
為了解決單位矩陣matlab 的問題，作者王貴財 這樣論述：
本書主要面向零基礎讀者，用實例引導讀者學習，深入淺出地介紹了MATLAB的相關知識和實戰技能。本書第Ⅰ篇“基礎知識”主要講解MATLAB基礎知識；第Ⅱ篇“語法基礎”主要講解MATLAB的基本使用方法、MATLAB程式設計基礎、MATLAB的陣列與矩陣操作、常用數學函數、符號運算、數值運算、資料分析及圖形控制碼等；第Ⅲ篇“資料視覺化”主要介紹二維資料視覺化和三維數據視覺化等；第Ⅳ篇“程式設計設計”主要介紹圖形化使用者介面設計、Simulink模擬基礎、檔讀取I/O、MATLAB編譯器及外部介面應用等；第Ⅴ篇“綜合實戰”主要介紹MATLAB在信號與系統中的應用、MATLAB在數位信號處理中的應用、
MATLAB在通信原理中的應用、MATLAB在影像處理領域的應用及MATLAB在金融領域的應用等。 本書所提供的電子資源中包含了與圖書內容全程同步的教學視頻。此外，還贈送了大量相關學習資料，以便讀者擴展學習。 本書適合任何希望學習MATLAB的讀者，無論讀者是否從事電腦相關行業，是否接觸過MATLAB，均可通過學習本書快速掌握MATLAB的開發方法和技巧。 第 Ⅰ 篇基礎知識 第1章 認識MATLAB 1.1MATLAB到底有多厲害003 1.2MATLAB概述003 1.2.1MATLAB的語言特點及應用領域003 1.2.2MathWorks公司及其產品概述004
1.2.3MATLAB的語言特點005 1.2.4MATLAB的組成005 1.2.5MATLAB R2016b新增功能006 1.3MATLAB的行業應用007 1.4初次使用MATLAB008 1.4.1直接使用MATLAB命令008 1.4.2一個簡單的MATLAB程式010 第2章 MATLAB基礎 2.1MATLAB R2016b的安裝與啟動014 2.1.1對電腦配置的要求014 2.1.2安裝MATLAB014 2.1.3啟動和退出MATLAB017 2.1.4卸載MATLAB018 2.2MATLAB R2016b的目錄結構018 2.3MATLAB R2016b的工作介面
018 2.3.1菜單工具列019 2.3.2命令列窗口020 2.3.3工作區021 2.3.4命令歷史記錄視窗022 2.4MATLAB R2016b 的説明系統022 2.4.1使用説明流覽器視窗022 2.4.2使用幫助命令023 2.4.3演示説明024 2.5疑難排解024 第Ⅱ 篇語法基礎 第3章 MATLAB的基本使用 3.1MATLAB的通用命令027 3.2MATLAB的文件管理028 3.2.1當前資料夾流覽器和路徑管理器028 3.2.2搜索路徑及其設置029 3.3MATLAB運算式中的變數和關鍵字030 3.3.1變數030 3.3.2關鍵字030 3.4MAT
LAB的資料類型031 3.4.1數值031 3.4.2邏輯型數值034 3.4.3字串035 3.4.4單元陣列035 3.4.5結構體035 3.4.6日期和時間037 3.5MATLAB的運算子和基本運算038 3.5.1算術運算子038 3.5.2關係運算子039 3.5.3邏輯運算子039 3.5.4運算子優先順序040 3.6MATLAB的標點符號040 3.7MATLAB的指令檔042 3.8疑難排解042 第4章 MATLAB程式設計基礎 4.1M文件044 4.1.1概述044 4.1.2函數變數045 4.1.3函數參數045 4.1.4函數控制碼048 4.1.5函數類
型049 4.2MATLAB的程式控制結構051 4.2.1條件控制語句051 4.2.2迴圈控制語句053 4.2.3誤差控制語句054 4.2.4其他流程控制語句055 4.3檔操作057 4.3.1文件的打開與關閉058 4.3.2文件I/O059 4.4MATLAB程式優化062 4.4.1通過Profiler進行程式運行分析062 4.4.2通過tic函數和toc函數進行程式運行分析064 4.4.3程式優化的常用方法064 4.5程式調試065 4.5.1直接調試法066 4.5.2利用調試工具進行的調試法066 4.6疑難排解067 第5章 MATLAB的陣列與矩陣操作 5.1
陣列（矩陣）的生成及初等運算070 5.1.1陣列（矩陣）的生成070 5.1.2冒號運算式071 5.2基本的陣列操作071 5.2.1陣列元素的定址071 5.2.2陣列元素的查找072 5.2.3陣列元素的排序072 5.2.4矩陣轉置073 5.2.5矩陣重排073 5.2.6矩陣的拆分074 5.2.7矩陣的連接076 5.2.8矩陣變換077 5.3陣列的運算078 5.3.1數值運算078 5.3.2邏輯運算078 5.3.3關係運算079 5.3.4向量的點積、叉積、混合積079 5.3.5範數080 5.4陣列的保存和載入081 5.5矩陣運算081 5.5.1基本運算081
5.5.2點運算085 5.6矩陣分析086 5.6.1常用矩陣086 5.6.2矩陣的特徵參數089 5.7疏鬆陣列092 5.7.1疏鬆陣列的生成092 5.7.2轉換成滿矩陣093 5.7.3對非零元素進行操作093 5.7.4特殊的疏鬆陣列094 5.8疑難排解095 第6章 常用數學函數 6.1初等數學函數098 6.1.1三角函數098 6.1.2指數和對數函數099 6.1.3複數處理函數100 6.1.4離散函數101 6.2特殊數學函數103 6.3綜合應用105 6.4疑難排解106 第7章 符號運算 7.1符號變數、符號運算式和符號方程的生成108 7.1.1使用s
ym函數生成符號變數和符號運算式108 7.1.2使用syms函式定義符號變數和符號運算式109 7.1.3符號方程的生成109 7.2符號變數的基本操作109 7.2.1Findsym函數：尋找符號變數109 7.2.2符號運算的精度確定110 7.3符號運算式的基本操作111 7.3.1四則運算111 7.3.2符號多項式的因式分解與展開111 7.3.3提取有理式的分子和分母113 7.3.4符號運算式的化簡113 7.3.5符號運算式的替換114 7.3.6反函數的求解114 7.3.7複合函數115 7.4符號矩陣的生成和運算116 7.4.1符號矩陣的生成116 7.4.2符號矩陣
的運算117 7.5符號微積分118 7.5.1符號極限118 7.5.2符號微分119 7.5.3符號積分120 7.6符號積分變換121 7.6.1Fourier變換及其逆變換121 7.6.2Laplace變換及其逆變換122 7.6.3z變換及其逆變換123 7.7符號方程的求解125 7.7.1代數方程求解125 7.7.2微分方程求解126 7.8綜合應用127 7.9疑難排解128 第8章 數值運算 8.1多項式計算130 8.1.1多項式的表示130 8.1.2多項式的運算130 8.2極限運算133 8.3線性方程組求解133 8.3.1利用左除運算求解線性方程組133 8
.3.2利用矩陣求逆求解線性方程組134 8.3.3利用矩陣分解求解線性方程組135 8.4非線性方程組求解138 8.4.1單變數非線性方程的求解138 8.4.2非線性方程組的求解138 8.5數值積分與微分139 8.5.1數值微分139 8.5.2數值積分141 8.6綜合應用144 8.7疑難排解145 第9章 資料分析 9.1插值與擬合150 9.1.1插值150 9.1.2擬合151 9.2最優化計算152 9.2.1優化問題的求解過程152 9.2.2線性規劃154 9.2.3非線性規劃157 9.2.4最小二值問題163 9.3概率統計與分析166 9.3.1統計量操作16
6 9.3.2統計分析167 9.3.3概率密度與分佈169 9.4小波分析170 9.4.1小波分析基礎170 9.4.2去噪與壓縮175 9.5綜合應用180 9.6疑難排解182 第10章 圖形控制碼 10.1控制碼對象184 10.2物件屬性185 10.3圖形控制碼創建實例186 10.4綜合應用191 10.5疑難排解192 第Ⅲ篇數據視覺化 第11章 二維數據視覺化 11.1圖形繪製基礎197 11.1.1離散資料及離散函數197 11.1.2連續函數197 11.1.3圖形繪製的基本步驟198 11.1.4圖形繪製示例198 11.2二維圖形繪製199 11.2.1plo
t指令199 11.2.2格柵202 11.2.3文字說明203 11.2.4線型、標記和顏色204 11.2.5坐標軸設置205 11.2.6圖形疊繪208 11.2.7子圖繪製208 11.2.8互動式繪圖209 11.2.9雙坐標軸繪圖210 11.2.10fplot繪圖指令211 11.2.11ezplot繪圖指令212 11.2.12特殊坐標軸繪圖213 11.3二維特殊圖形函數215 11.3.1柱狀圖215 11.3.2面積圖216 11.3.3實心圖217 11.3.4向量圖218 11.3.5圓形圖219 11.3.6長條圖220 11.4疑難排解220 第12章 三維數據
視覺化 12.1三維圖形繪製222 12.1.1曲線圖繪製222 12.1.2三維網線圖繪製223 12.1.3曲面圖的繪製225 12.2三維隱函數繪圖226 12.3三維圖形的修飾處理228 12.3.1三維圖形的視點處理228 12.3.2色彩處理229 12.3.3光照處理230 12.4疑難排解231 第Ⅳ篇程式設計設計 第13章 圖形化使用者介面設計 13.1使用GUIDE創建GUI235 13.1.1GUIDE編輯介面簡介235 13.1.2功能表設計實例236 13.1.3包含控制項的GUI設計實例237 13.1.4M文件和FIG文件241 13.2GUI程式設計241
13.3實例解析243 13.3.1實例1：peaks函數的輪廓圖繪製243 13.3.2實例2：用控制項控制圖形的屬性246 13.3.3實例3：TeapotdemoGUI的製作過程剖析251 13.4疑難排解254 第14章 Simulink模擬基礎 14.1Simulink 簡介256 14.2一個簡單的Simulink模擬示例256 14.3Simulink的基本模組259 14.3.1Simulink的基本模組及其功能259 14.3.2常用模組的參數和屬性設置261 14.4Simulink的基本操作264 14.4.1Simulink的檔操作264 14.4.2模組的操作264
14.4.3信號線的操作265 14.4.4給模型添加文本注釋266 14.5複雜系統的模擬266 14.5.1模擬的設置267 14.5.2連續系統模擬示例269 14.5.3離散系統模擬示例270 14.6子系統與封裝272 14.6.1建立子系統272 14.6.2子系統的封裝273 14.7疑難排解276 第15章 文件讀取I/O 15.1資料夾的管理280 15.1.1當前資料夾管理280 15.1.2創建資料夾280 15.1.3刪除資料夾280 15.1.4複製或移動資料夾281 15.2打開和關閉文件281 15.2.1打開文件281 15.2.2關閉文件281 15.3工
作區文件—MAT文件282 15.3.1輸出資料到MAT檔282 15.3.2讀取MAT檔—load函數283 15.4讀/寫二進位檔案284 15.4.1寫二進位檔案285 15.4.2讀二進位檔案286 15.5格式化讀寫檔286 15.5.1格式化讀取286 15.5.2格式化寫入287 15.6檔內的位置控制288 15.7綜合應用289 15.8疑難排解290 第16章 MATLAB編譯器 16.1MATLAB編譯器概述292 16.2編譯器的安裝與配置292 16.2.1編譯器的安裝292 16.2.2編譯器的配置292 16.3編譯命令mcc293 16.4編譯生成獨立運行程式
293 16.4.1編譯M檔294 16.4.2編譯圖形繪製M檔294 16.4.3由含feval 指令的M 檔生成EXE檔296 16.5綜合應用297 16.6疑難排解298 第17章 外部介面應用 17.1介面概述300 17.1.1MEX 檔介紹300 17.1.2MAT 檔介紹300 17.1.3MATLAB 計算引擎介紹300 17.2基於C/C 語言的MEX 檔應用301 17.2.1MEX 檔結構301 17.2.2創建C/C MEX 文件302 17.2.3調試C/C 語言MEX 程式檔303 17.3基於C/C 語言的MAT 檔應用303 17.3.1使用C/C 語言讀取
和創建MAT檔的過程303 17.3.2使用C/C 語言讀取MAT 檔示例304 17.3.3使用C/C 語言創建MAT 檔示例306 17.4基於C/C 語言的計算引擎應用310 17.4.1MATLAB引擎庫函數310 17.4.2創建MATLAB引擎調用來源程式311 17.5MATLAB中Java語言的調用315 17.5.1Java介面使用315 17.5.2Java介面程式設計應用示例316 17.6綜合應用317 17.7疑難排解320 第Ⅴ 篇綜合實戰 第18章 MATLAB在信號與系統中的應用 18.1典型連續時間信號描述及運算323 18.1.1典型連續信號波形的繪製3
23 18.1.2連續時間信號的運算325 18.2線性系統時域分析326 18.2.1連續時間信號卷積326 18.2.2線性系統時域分析328 18.3連續系統頻域分析330 18.4連續時間系統S域零極點分析332 18.4.1零極點分佈與系統穩定性332 18.4.2零極點分佈與系統衝激回應時域特性333 18.4.3由連續系統零極點分佈分析系統的頻率特性335 18.5綜合應用337 18.6疑難排解338 第19章 MATLAB在數位信號處理中的應用 19.1離散時間信號的MATLAB實現342 19.1.1正弦序列342 19.1.2指數序列342 19.1.3單位抽樣序列34
4 19.1.4單位階躍序列345 19.2基於MATLAB的快速Fourier變換346 19.2.1快速Fourier變換的用法346 19.2.2運用FFT進行簡單濾波348 19.3IIR數位濾波器的設計349 19.3.1模擬原型濾波器349 19.3.2頻率變換350 19.3.3濾波器最小階數選擇351 19.3.4類比濾波器到數位濾波器的轉換352 19.3.5完全工具函數設計IIR濾波器354 19.4IIR濾波器直接設計356 19.5FIR濾波器設計357 19.5.1運用窗函數設計數位濾波器357 19.5.2標準型FIR濾波器359 19.5.3多頻帶FIR濾波器36
0 19.6綜合應用361 19.7疑難排解362 第20章 MATLAB在通信原理中的應用 20.1幅度調製364 20.1.1BASK調製364 20.1.2MASK調製365 20.1.3QAM調製366 20.2相位調製367 20.2.1PSK調製367 20.2.2OQPSK調製368 20.3頻率調製369 20.3.1BFSK調製370 20.3.2MFSK調製371 20.3.3CPM調製372 20.4數位信號的解調376 20.4.1BASK解調376 20.4.2QAM解調377 20.4.3BPSK解調378 20.4.4BFSK解調380 20.5綜合應用381
20.6疑難排解383 第21章 MATLAB在影像處理領域的應用 21.1圖像表達與顯示386 21.1.1圖像類型及存儲方式386 21.1.2圖像轉換386 21.1.3讀/寫影像檔386 21.1.4圖像顯示387 21.1.5彩色圖像表示模式387 21.1.6常用的彩色影像處理函數387 21.2圖像運算389 21.2.1長條圖389 21.2.2長條圖均衡389 21.2.3灰度線性變換390 21.2.4灰度非線性變換391 21.3圖像變換392 21.3.1圖像縮放392 21.3.2圖像旋轉393 21.4圖像分析與增強393 21.4.1線性空域濾波394 21.4
.2非線性空域濾波394 21.5圖像區域處理395 21.5.1最大類間方差法396 21.5.2常用的彩色影像處理函數396 21.6綜合應用398 21.7疑難排解400 第22章 MATLAB在金融領域的應用 22.1數據讀取402 22.2繪製線型圖402 22.3繪製K線圖403 22.4繪製移動平均線404 22.5繪製布林帶406 22.6綜合應用408 22.7疑難排解409
使用FPGA實現基於類神經網路之心電圖身份辨識系統
為了解決單位矩陣matlab 的問題，作者林郁勝 這樣論述：
本論文提出使用現場可程式化邏輯閘陣列(FPGA, Field Programmable Gate Array)實現使用心電圖進行身份辨識之系統。心電圖訊號由P、QRS、T波所組成具有因人而異的特徵。此系統以DNN為模型使用心電圖資料訓練，包含一層輸入層一層隱藏層一層輸出層，經軟硬體設計推論運算後與軟體驗算結果可得準確率約為99%，辨識率約為98%。之後將最後輸出層移除後即可得到具有提取心電圖特徵向量之類神經網路，將訓練集以內資料與訓練集外之資料進行特徵向量內積，與訓練集內資料相互特徵向量內積值所設之閥值(Threshold)進行軟體運算比對後可得準確率約為99%。 本論文首先將心電圖訊號進
行濾波，移除掉原始心電圖訊號中之雜訊，再將連續的心電圖訊號分切成每單位心率之分段資料，以R-peak為心率的中心點，對其取R-peak之前後180個採樣點，將每一個數據進行標準化至1到-1之間。最後將資料進行DNN之全連接層訓練。訓練完成後導出權重與偏置與輸入矩陣之參數以Matlab進行資料轉換為32位元16進制並以Quartus進行硬體結合Nios II軟體協同設計使用100M與50M雙時脈設計運算時間為1.09434ms。