归一化互熵提供了二维矩阵多样性的度量。 它采用互熵并对感兴趣的变量（代码中的列变量）的边际熵进行归一化。 请参阅屏幕截图或嵌入的公式参考。 该代码用于估算生态系统中的生物多样性，但不限于此类应用。 该代码可用于对变量交互的多样性感兴趣的任何系统。 请参阅为包含两个以上变量而编写的代码的后续行动。

三维画图，大规模的画球,用三维矩阵做，不同颜色表示各种不同的球，里面有word文档详细说明

使用基于高斯混合模型的机器学习对 2 类和 3 类问题进行一维矩阵分类。 它还包含一个基于矩阵的 AND 门示例和大小为 12 和 3 的输入样本

multi_dimension_transpose 适用于 N 维，分别转置每个平面。 它保持了前两个以上的现有维度结构，没有任何挤压。

该代码使用数组索引来实现矩阵的移位。 它比使用带有“最近邻”选项的 interp2 来移动矩阵快约 2.5 倍。 优化数组索引的灵感来自于一个关于循环移位的片段：Peter J. Acklam ( http://home.online.no/~pjacklam ) 的“MATLAB 数组操作提示和技巧”指南。

result=movingmean(data,window,dim,option) 使用“dim”维度中“window”中指定的窗口大小，使用“option”中指定的算法，计算数据矩阵“data”的居中移动平均值。 Dim 和 option 是可选输入，默认为 1。 昏暗和可选的可选输入可以完全跳过，也可以用[]代替。 例如，movingmean(data,window) 将给出与movingmean(data,window,1,1) 或movingmean(data,window,[],1) 相同的结果。 输入数据矩阵的大小和尺寸仅受平台最大矩阵大小的限制。 Window 必须是整数并且应该是奇数。 如果窗口是偶数，则它向下舍入到下一个较低的奇数。 函数计算在指定维度前后包含中心点和 (window-1)/2 个元素的移动平均值。 在矩阵的边缘，减少之前或之后的元素数量，使实际窗

函数输入： - filter_size: 过滤器的大小- 西格玛：标准偏差函数输出： - 二维高斯滤波器矩阵在 3D 中绘制滤波器矩阵的示例： g1=Gaussian_filter(50,2); g2=Gaussian_filter(50,7); g3=Gaussian_filter(50,11); 图1）; subplot(1,3,1);surf(g1);title('filter size = 50, sigma = 2'); subplot(1,3,2);surf(g2);title('filter size = 50, sigma = 7'); subplot(1,3,3);surf(g3);title('filter size = 50, sigma = 11');

C++实现的二维矩阵卷积运算 主要是一个卷积的算法，矩阵保存在一个二维矩阵中。接口可以根据需要自行修改。提供了2种卷积的算法，被注释掉的那部分执行效率比较低下，对于大矩阵容易造成程序死掉的情况。所以进行了算法优化。 如果不想自行修改接口的话，或者对修改接口有困难的话，请不要下载本资源。谢谢~ 环境：XP SP3

这是整数中点圆算法的一个很好的例子。 没有像素丢失或重复。

PICKPEAKS 类似于 MATLAB 的 FINDPEAKS； 它返回输入 X 的局部峰值及其索引。主要区别在于 PICKPEAKS - 更快（对于大向量要快得多）， - 允许 X 是一个 2D 矩阵（不仅仅是一个向量），并且用户可以指定跨哪个维度寻找峰值。 - 选择波峰或波谷。 - 不提供 FINDPEAKS 选项“THRESHOLD”。 - 不提供 FINDPEAKS' 选项：'MINPEAKHEIGHT'、'NPEAKS'、'SORTSTR'。 这些可以通过操纵输出轻松实现。 例如，如果 Vo、Io 是 PICKPEAKS 的输出，则以下将产生与将 'MINPEAKHEIGHT' 设置为 0.5 相同的结果： 我 = 发现（Vo<0.5）； Vo(i) = []; io(i) = []; 语法是[Vo,Io] = PICKPEAKS(X,npts,dim,mode); 用法