云模型实现图形-MATLAB程序
云模型实现图形-MATLAB程序
一维云模型 程序： clc clearEx=170;En=5;He=0.5;n=5000;for i=l:nEnn=randn( 1 )*He+En;x(i)=randn(l )*Enn+Ex;y ⑴=exp(-(x(i)-Ex)A 2/(2*Enn A 2));endplot(x,y ；.r ,)title('5000个男生身高的一维云图) ylabef 确定度)；xlabelC 身高值，);axis([ 150」9001])grid on一维：clear vars;clc;close all;Exl 二-8; Enl 二0・ 7; Hel=0. 2;nl 二200; Ex2二2.2; En2=2;He2=0. 5; n2=800; Ex3=18; En3=4; He3=0. 7; n3=1500;Enl_t = normrnd(Enl, Hel, nl, 1);datal = normrnd(Exl, Enl t, nl, 1);150 6 5 4 3 2 1 O1 o.o.o.o.o.o.93 X — 5 8 di如T — 75 1—拓 17亠咼 身65 di 60 4— 5 5 1 5000个男主身高的一維云图9 B 7 o.o.o.mul = exp(-0. 5*((datal-Exl). /Enl_t). 2);En2_t = normrnd (En2, He2, n2, 1);data2 = normrnd (Ex2, En2_t, n2,1);mu2 = exp(-0. 5*((data2-Ex2). /En2_t)・ ~2);En3_t = normrnd (En3, He3, n3, 1);data3 = normrnd(Ex3, En3_t, n3,1);mu3 = exp(-0. 5*((data3-Ex3). /En3_t). 2);figure(l);plot (data!, mul, I b‘，data2, mu2,' *r‘, data3, mu3,' +k'); axis equal;二维云模型程序：clcclearEx l = 170;Enl=5;He 1=0.5;Ex2=65 ;En2=3 ;He2=0.2; n=5000;for i=I:nEnn 1 =randn( 1 )*He 1 +En 1; x l(i)=randn( 1 )*Enn 1 +Ex 1;Enn2=randn( 1 )*He2+En2; x2(i)=randn( 1 )*Enn2+Ex2;y(i)=exp(-(x 1 (i)-Ex 1 )A2/(2*Enn 1 A2)-(x2(i)-Ex2)A2/(2*Enn2A2)); end plot3(xl,x2,y,'f)title('5OOO个男生身高体jg的二维云图')axis([ 148,190.50,80 A I])grid on结果：5ooyi-男生身高体重的二维云图50 160多个一维clear vars;clc;close all;Exl二0; Enl=0.103; Hel二0.013; nl=5000;Ex2二0.309; En2=0.064; He2=0.008; n2=5000;Ex3二0・ 5; En3二0・ 039; He3=0. 005; n3=5000;Ex4=0.691; En4=0.064; He4=0.008; n4=5000;Ex5=l; En5二0.103; He5=0.013; n5=5000:Enl_t = normrnd(Enl, Hel, nl, 1);datal = normrnd(Exl, Enl_t, nl,1);mul = exp(-0. 5*((datal-Exl). /Enl_t). 2);En2_t = normrnd (En2, He2, n2, 1);data2 = normrnd(Ex2, En2_t, n2, 1);mu2 = exp(-0. 5*((data2-Ex2). /En2_t). *2);En3_t = normrnd (En3, He3, n3, 1);data3 = normrnd(Ex3, En3_t, n3,1);mu3 = exp(-0. 5*((data3-Ex3). /En3_t). 2);En4_t = normrnd(En4, He4, n4, 1);data4 = normrnd(Ex4, En4_t, n4,1);mu4 = exp(-0. 5*((data4-Ex4)・/En4_t)・ 2);En5_t = normrnd (En5, He5, n5, 1);data5 = normrnd (Ex5, En5_t, n5, 1);mu5 = exp (一0・ 5* ((data5-Ex5)・/En5_t)・2);figure(l);plot (datal, mul,'・ r*, data2, mu2,'・r , data3, mu3,'・r , data4, mu4,'・ r*, data5, mu5,'・ r* ); titleC评价集')ylabelC 隶属度');axis([-0. 4, 1. 4, 0, 1])grid on评价集04 02 0 0.2 0.4 0.6 0.8 1 1.2 1.4一维Ex二1100;En二84. 926;He 二0. 1;n二1000;X=zeros (1, n);Y=zeros (1, n);X(1 :n) =normrnd(En, He, 1, n):for i=l:nEnl二X(l, i);X(l, i)=normrnd(Ex, Enl, 1):Y(l, i)=exp((-(X(l, i)-Ex)"2)/(2*En「2));plot(X, Y,'. ',' MarkerEdgeCo1or，‘ k', ' markersize*, 4); title C强等级','fontsize', 16);grid on;end强等级逆发生器代码X1=X;Y1=Y;i=l；while i<=(n-flag)lfYl(l,i)>0.9999Y1(：J)=[]；Xl(：,i)=[]；flag=flag+l;End;Ex=mean(Xl);En2=zeros⑴m);for i=l:m;Enl(lJ)=abs(Xl(l/i).Ex)/sqrt(.2*log(Yl(l/i))); End;En二mean(Enl);He=O;for i=l:m;He=He+(Enl(lJ)-En)A2;He=sqrt(He/(m-l));End;XI =X;Y1=Y;i=l；while i<=(n-flag)ifYl(lj)>0.9999Y1(：J)=[J；X1(：J)=[]；flag=flag+l;elsei=i+l;m=m +1;endendEx=mean(Xl)En l=zeros(l z m);for i= l:mEnl(l,i)=abs(Xl(l/i)-Ex)/sqrt(-2*log(Yl(l/i))); endEn二mea n(Enl);He=0;for i=l:mHe=He+(Enl(l /i)-En)A 2; endHe=sqrt(He/(m-l))Enl_t = normrnd(Enl, Hel, nl, 1); datal = normrnd(Exl, Enl_t, nl, 1); mul = exp(-0. 5*((datal-Exl). /Enl_t). 2);En2_t = normrnd (En2, He2, n2, 1);data2 = normrnd(Ex2, En2_t, n2, 1);mu2 = exp(-0. 5*((data2-Ex2). /En2_t). *2);En3_t = normrnd (En3, He3, n3, 1);data3 = normrnd(Ex3, En3_t, n3,1);mu3 = exp(-0. 5*((data3-Ex3)・/En3_t). 2);En4_t = normrnd(En4, He4, n4, 1);data4 = normrnd (Ex4, En4_t, n4, 1); mu4 = exp(-0. 5*((data4-Ex4). /En4_t)・~2); En5_t = normrnd (En5, He5, n5, 1);data5 = normrnd(Ex5, En5_t, n5,1);mu5 = exp (一0・ 5*((data5~Ex5)・/En5_t)・ 2);En6_t = normrnd (En6, He6, n6, 1);data6 = normrnd(Ex6, En6_t, n6,1);mu6 = exp(-0. 5*((data6-Ex6)・/En6_t). 2);En7_t = normrnd (En7, He7, n7, 1);data? = normrnd (Ex7, En7_t, n7, 1);mu7 = exp(-0. 5*((data7-Ex7). /En7_t)・ ~2);En8_t = normrnd (En8, He8, n8, 1); dataS = normrnd (Ex8, En8_t, n& 1);clear vars;clc;close all;Enl 二0.150; Hel=0. 050; Exl=0. 457; Ex2二0・454; Ex3二0・435; Ex4二0. 415; Ex5=0. 414; Ex6 二0.410;Ex7 二0.410; Ex8=0. 500;En2=0. 156 En3=0. 229 En4=0. 177 En5=0. 298 En6=0. 242 En7=0. 188 En8=0. 039 He2=0. 056 He3=0. 067 He4=0. 071 He5=0. 099 He6=0.061 He7=0.061 He8=0.005 nl=4000; n2=4000;n3=4000;n4=4000;n5=4000;n6=4000;n7=4000;n8=5000;mu8 = exp(-0. 5*((data8-Ex8). /En8_t). *2);figure(l);plot (datal, mul,'・ r*, data2, mu2,'・ r , data3, mu3,'・ r , data4, mu4,'・ r*, data5, mu5,'・ r* ,data6, mu6,'・:r' , data7, mu7,'・ r*, data8, mu8,'・ r ):titleC 评价集')ylabel ('隶属度');axis([-0. 4, 1. 4, 0, 1])grid onclear vars;clc;close all;Enl_t = normrnd(Enl, Hel, nl, 1); datal = normrnd(Exl, Enl_t, nl, 1); mul = exp(-0. 5*((datal-Exl). /Enl_t). 2);En2_t = normrnd (En2, He2, n2, 1);data2 = normrnd (Ex2, En2_t, n2,1); mu2 = exp(-0. 5*((data2-Ex2). /En2_t)・ 2);En3_t = normrnd (En3, He3, n3, 1);data3 = normrnd(Ex3, En3_t, n3,1); mu3 = exp (-0. 5* ((data3-Ex3). /En3_t). 2);En4_t = normrnd(En4, He4, n4, 1);data4 = normrnd (Ex4, En4_t, n4, 1); mu4 = exp(-0. 5*((data4-Ex4). /En4_t)・ ~2);En5_t = normrnd (En5, He5, n5, 1);data5 = normrnd (Ex5, En5_t, n5, 1);mu5 = exp (一0. 5* ((data5-Ex5)・/En5_t)・ 2);figure(l);plot (datal, mul,'・ r , data2, mu2,'・ r , data3, mu3,'・ x , data4, mu4,'・, data5, mu5,'・ r* );titleC 评价集')ylabel(，隶属度');axis([-0. 4, 1. 4, 0, 1])grid on Exl 二0.716;Ex2=0. 545;Ex3二0・534; Ex4二0.Enl 二0.123; Hel=0. 045; nl=4000; En2=0. 140; He2=0. 052 En3=0. 233; He3=0. 085 En 仁0.202; He4=0. 063 En5=0. 064; n2=4000; n3=4000; n4=4000; He5=0. 008; n5二6000;。
matlab 程序 2d有限元方法
matlab 程序2d有限元方法全文共四篇示例，供读者参考第一篇示例：有限元方法是一种数值计算方法，旨在解决工程结构、力学和热力学等领域的复杂问题。
这种方法通过将一个连续的问题离散化为无限多的小单元，然后通过求解每个小单元的方程来逼近整个问题的解。
有限元方法在解决非线性、非定常、多物理场耦合等复杂问题上表现出色，因此在工程领域得到了广泛应用。
2D有限元方法是指在二维平面上建立有限元模型，然后求解其方程得到问题的解。
在MATLAB中，构建2D有限元模型的步骤大致分为三个阶段：几何建模、网格剖分和有限元分析。
首先是几何建模阶段，即对求解问题的几何形状进行建模。
这一步通常通过MATLAB中的绘图函数绘制图形，定义节点和单元信息。
这个阶段的难点在于如何准确表达问题的几何形状和边界条件，因为这将直接影响到后续的网格划分和求解结果的准确性。
接着是网格剖分阶段，即将几何形状离散化为小单元。
在MATLAB中，可以利用自带的网格生成函数或者第三方的网格生成工具箱来生成有限元网格。
网格的质量和密度对求解结果的准确性有很大影响，因此在网格剖分时需要谨慎选择参数和方法。
最后是有限元分析阶段，即对离散化后的有限元模型进行求解。
在MATLAB中，可以利用现成的有限元求解函数来求解线性或非线性方程。
在求解过程中，需要考虑边界条件的处理、材料参数的输入和求解精度的控制等因素，以保证求解的准确性和稳定性。
在实际应用中，2D有限元方法常用于解决板、壳结构的弯曲、扭转、振动等问题，以及流体动力学、电磁场等问题。
MATLAB提供了丰富的工具箱和函数库，使得有限元方法的实现更加简单和高效。
通过合理的建模、网格剖分和求解方法，我们可以快速地解决复杂的工程问题，提高工程设计的效率和精度。
2D有限元方法结合MATLAB工具的应用为工程领域提供了一种高效、准确和可靠的计算方法。
通过不断学习和实践，我们可以更好地利用有限元方法解决实际工程问题，推动工程技术的发展和进步。
matlab数学建模100例
matlab数学建模100例Matlab是一种强大的数学建模工具，广泛应用于科学研究、工程设计和数据分析等领域。
在这篇文章中，我们将介绍100个使用Matlab进行数学建模的例子，帮助读者更好地理解和应用这个工具。
1. 线性回归模型：使用Matlab拟合一组数据点，得到最佳拟合直线。
2. 多项式拟合：使用Matlab拟合一组数据点，得到最佳拟合多项式。
3. 非线性回归模型：使用Matlab拟合一组数据点，得到最佳拟合曲线。
4. 插值模型：使用Matlab根据已知数据点，估计未知数据点的值。
5. 数值积分：使用Matlab计算函数的定积分。
6. 微分方程求解：使用Matlab求解常微分方程。
7. 矩阵运算：使用Matlab进行矩阵的加减乘除运算。
8. 线性规划：使用Matlab求解线性规划问题。
9. 非线性规划：使用Matlab求解非线性规划问题。
10. 整数规划：使用Matlab求解整数规划问题。
11. 图论问题：使用Matlab解决图论问题，如最短路径、最小生成树等。
12. 网络流问题：使用Matlab解决网络流问题，如最大流、最小费用流等。
13. 动态规划：使用Matlab解决动态规划问题。
14. 遗传算法：使用Matlab实现遗传算法，求解优化问题。
15. 神经网络：使用Matlab实现神经网络，进行模式识别和预测等任务。
16. 支持向量机：使用Matlab实现支持向量机，进行分类和回归等任务。
17. 聚类分析：使用Matlab进行聚类分析，将数据点分成不同的类别。
18. 主成分分析：使用Matlab进行主成分分析，降低数据的维度。
19. 时间序列分析：使用Matlab进行时间序列分析，预测未来的趋势。
20. 图像处理：使用Matlab对图像进行处理，如滤波、边缘检测等。
21. 信号处理：使用Matlab对信号进行处理，如滤波、频谱分析等。
22. 控制系统设计：使用Matlab设计控制系统，如PID控制器等。
(完整版)云模型matlab程序
1.绘制云图Ex=18En=2He=0.2hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); plot(x(i),y(i),'*')endEx=48.7En=9.1He=0.39hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); plot(x(i),y(i),'*')end2.求期望、熵及超熵X1=[51.93 52.51 54.70 43.14 43.85 44.48 44.61 52.08];Y1=[0.91169241573 0.921875 0.96032303371 0.75737359551 0.76983848315 0.7808988764 0.78318117978 0.9143258427];m=8;Ex=mean(X1)En1=zeros(1,m);for i=1:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i)));endEn=mean(En1);He=0;for i=1:mHe=He+(En1(1,i)-En)^2;endEn=mean(En1)He=sqrt(He/(m-1))3.平顶山so2环境:X1=[0.013 0.04 0.054 0.065 0.07 0.067 0.058 0.055 0.045];Y1=[0.175675676 0.540540541 0.72972973 0.8783783780.945945946 0.905405405 0.783783784 0.743243243 0.608108108]; m=9;Ex=mean(X1)En1=zeros(1,m);for i=1:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i)));endEn=mean(En1);He=0;for i=1:mHe=He+(En1(1,i)-En)^2;endEn=mean(En1)He=sqrt(He/(m-1))1.绘制正向云图Ex=18En=2He=0.2hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2));plot(x(i),y(i),'*')endEx=48.7En=9.1He=0.39hold onfor i=1:1000Enn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2));plot(x(i),y(i),'*')end2.逆向云发生器中需要剔除隶属度大于0. 9999 的云滴，剩下个云滴。
matlab图形操作
matlab图形操作本⽂对matlab中利⽤图形句柄对图⽚属性进⾏设置的操作进⾏简单的总结说明：(1)对图窗和坐标轴属性进⾏整体设置可以通过gcf和gca语句获取当前图窗句柄和坐标轴句柄，通过该句柄可以对图窗和坐标轴的各项属性进⾏操作。
图窗和坐标轴分别包含如下属性：% 图窗属性... ...Children: [1×1 Axes] Color: [0.9400 0.9400 0.9400]Colormap: [256×3 double] CurrentAxes: [1×1 Axes]... ...InnerPosition: [680 558 560 420] PaperUnits: 'centimeters'OuterPosition: [672 550 576 514] Position: [680 558 560 420]Units: 'pixels'% 坐标轴属性... ...Box: 'on' BoxStyle: 'back'Children: [1×1 Line] Color: [1 1 1]FontAngle: 'normal' FontName: 'Helvetica'FontSize: 10 FontSizeMode: 'auto'FontSmoothing: 'on' FontUnits: 'points'FontWeight: 'normal' GridColor: [0.1500 0.1500 0.1500]GridLineStyle: '-' Legend: [0×0 GraphicsPlaceholder]LineWidth: 0.5000 OuterPosition: [0 0 1 1]Parent: [1×1 Figure] Position: [0.1300 0.1100 0.7750 0.8150]Title: [1×1 Text] TitleFontWeight: 'normal'Units: 'normalized' UserData: []View: [0 90] Visible: 'on'... ...XAxis: [1×1 NumericRuler] XAxisLocation: 'bottom'XColor: [0.1500 0.1500 0.1500] XColorMode: 'auto'XDir: 'normal' XGrid: 'off'XLabel: [1×1 Text] XLim: [0 100]XScale: 'linear' XTick: [0 10 20 30 40 50 60 70 80 90 100]XTickLabel: {11×1 cell} XTickLabelRotation: 0YAxis: [1×1 NumericRuler] YColor: [0.1500 0.1500 0.1500]YGrid: 'off' YLabel: [1×1 Text]YLim: [0 100] YScale: 'linear'YTick: [0 10 20 30 40 50 60 70 80 90 100] YTickLabel: {11×1 cell}YTickLabelRotation: 0 ZLabel: [1×1 Text]ZLim: [-1 1] ZScale: 'linear'ZTick: [-1 0 1] ZTickLabel: ''ZTickLabelRotation: 0... ...上⾯仅仅是展⽰了图窗和坐标轴部分重要且常⽤的属性，它们的全部属性可通过查matlab的帮助⽂档或直接在matlab的命令⾏上输⼊gcf、gca或通过如下图所⽰的属性窗⼝进⾏查询和设置。
matlab加工自由曲面程序代码
一、引言Matlab是一种高级技术计算语言和交互环境，被广泛用于工程、科学和数学领域的计算与模拟。
在Matlab中，加工自由曲面是一项常见的任务，例如创建和修改三维曲面模型。
本文将介绍如何使用Matlab 编写程序代码来加工自由曲面，以实现对曲面的精确控制和调整。
二、准备工作在编写程序代码之前，首先需要明确自由曲面的定义和参数化方法。
自由曲面通常由参数方程或控制点构成，对于不同的曲面类型，需要选择合适的参数化方法。
还需要了解Matlab中与曲面加工相关的函数和工具，以便在编写程序时能够调用这些资源。
三、编写程序代码1. 定义自由曲面在Matlab中，可以使用符号变量和代数表达式定义自由曲面的参数方程。
对于二次曲面，可以使用二次多项式表示其参数方程。
具体代码如下：syms u vx = a*u^2 + b*v^2 + c*u*v + d*u + e*v + f;y = g*u^2 + h*v^2 + i*u*v + j*u + k*v + l;z = m*u^2 + n*v^2 + o*u*v + p*u + q*v + r;其中a-r为曲面的系数，u和v为曲面的参数。
2. 控制曲面形状通过调整曲面的参数和系数，可以控制曲面的形状。
可以通过改变系数a-r的值来实现对曲面的放大缩小、旋转、偏移等操作。
具体代码如下：a = 1;b = 1;c = 0;d = 0;e = 0;f = 0;g = 1; h = 1; i = 0; j = 0; k = 0; l = 0;m = 1; n = 1; o = 0; p = 0; q = 0; r = 0;这里以简单的二次曲面为例，通过调整系数的数值来控制曲面的形状。
3. 曲面绘制和可视化在定义和控制曲面之后，可以使用Matlab中的绘图函数将曲面绘制出来。
可以使用surf函数创建曲面图形，并通过设置图形属性来进行可视化调整。
具体代码如下：[u, v] = meshgrid(-2:0.1:2);x = a*u.^2 + b*v.^2 + c*u.*v + d*u + e*v + f;y = g*u.^2 + h*v.^2 + i*u.*v + j*u + k*v + l;z = m*u.^2 + n*v.^2 + o*u.*v + p*u + q*v + r;surf(x, y, z);四、应用实例在实际应用中，自由曲面加工可以用于创建各种复杂的曲面模型。
利用Matlab绘制云模型
利用Matlab绘制云模型许大亮【摘要】The cloud model is an uncertainty model for transformation between qualitative concept and quantitative descrip-tion, then it can express qualitative concept and process quantitative calculation. The development of cloud model is from one-dimension to two-dimension and even multidimensional model at present.As a result, it is used to represent more compli-cated natural language concept. This paper mainly introduces the one-dimension and two-dimension normal cloud generator implementation algorithm.In addition, the Matlab implements cloud generator algorithm and draws the graphs of two different dimension cloud models.%云模型是定性概念与定量描述的不确定性转换模型，可以用来表示定性概念并进行定量计算。
目前云模型由一维发展到二维甚至多维，这样就可以利用它表示更加复杂的自然语言概念。
介绍了一维和二维云模型的正向云发生器，并用Matlab语言实现了云模型算法，绘制了两种不同维数云模型的图形。
【期刊名称】《科技创新与生产力》【年(卷),期】2016(000)001【总页数】3页(P108-110)【关键词】云模型;不确定性;正向云发生器;Matlab【作者】许大亮【作者单位】安徽理工大学测绘学院，安徽淮南 232001【正文语种】中文【中图分类】G202E-mail：*****************。
基于MATLAB平台的凝聚相爆炸模型的分析与程序实现_王颖
本文重点是研究爆炸的预防控制措施, 因此将凝 聚相爆
炸( CPE) 模型用 于模 拟评 价与 分析 烟花 爆竹 爆炸 事故 的后 果严重度、危险等级、灾害影响和破坏范围。
爆炸具有多种破坏形式, 如冲击波破坏, 热辐射危害, 一 次、二次碎片破坏, 爆炸产物毒气危害, 以及由爆炸引 起的火 灾等。其中 , 最危险、破坏力最强、破坏区域最大的是 冲击波
大当量爆炸提供了理论依据。
1. 2 冲击波伤害模型
在安全分析以及安全评价中, 通常把冲击波超压所破 坏
的范围进行人员伤害分区和财产损失分 区, 即有: 死亡区, 重 伤区, 财产损失区, 轻伤区和安 全区[ 4] 。为了数据的 精确性,
本文重点讨论死亡区和重伤区。
在死亡区中, 人员如缺少 防护, 则被 认为 将无例 外地 蒙
Q1/ 3/ R= Q01/ 3/ R0
(1)
则在不同距离上的超压是相同的。式中, R 为爆炸测 量点到
爆炸点的距离; R0 为 1 000 kg 的 TNT 爆 炸测 量点 到爆 炸点
的距离; Q 为某次炸药的 TNT 当量; Q 0 为 1 000 kg TNT。 爆炸相似律为我们 从小当量 爆炸所 获得 的结果 换算 到
( 5)
综上可以得出
WTNT= 1. 8 W f
( 6)
式中, WTNT 为 爆 源的 TNT 当 量, kg ; E 为 爆 源 的 总能 量, J; QTNT为 TNT 爆热, 可取为 4. 52 MJ/ kg; Wf 为爆源的质量, kg。
如果认为该圆周内 没有死亡 的人数 正好 等于圆 周外 死
润滑油必须使用钢丝绳专用润滑脂这种润滑脂具有渗透性防锈性和抗磨性如半年或运行10万次视使用环境频率而增减在清理维护中不应用清洗剂一类的液体对钢丝绳进行清洗否则会影响绳芯中的油脂含量及油脂成分进而影响到钢丝绳的正常使用在清理维护钢丝绳时应使用毛刷棉纱压缩空气等对钢丝绳的表面进行清理在钢丝绳清理干净后要用钢丝绳润滑脂及时对钢丝绳表面进行适量涂油处理过量的润滑会使钢丝绳与曳引轮之间的摩擦力得不到保证钢丝绳表面油脂应薄而均匀定期检查钢丝绳张力绳槽磨损情况发现磨损及时调整gb8903电梯用钢丝绳
计算机仿真技术与CAD第1章仿真软件-MATLAB
频域分析
通过傅里叶变换等方法，将 时域信号转换为频域信号， 进而分析电路的频率响应特
性。
传输函数分析
对于线性时不变电路，可以 通过求解传输函数来分析电 路的性能，如幅频特性、相 频特性等。
非线性电路仿真设计实例
非线性电阻电路仿真
通过搭建包含非线性电阻元件的 电路模型，并使用MATLAB进行 仿真分析，可以研究非线性电阻 对电路性能的影响。
02
三维线图与曲面图
使用plot3()函数绘制三维线图， 通过surf()或mesh()函数绘制三 维曲面图。
03
视图调整与色彩映 射
利用view()函数调整三维图形视 角，通过colormap()函数设置色 彩映射。
图像处理基本操作
图像读取与显示
使用imread()函数读取图像文件，通过imshow()函 数显示图像。
应仿真等。
多领域融合仿真：随着多学科 交叉融合的不断深入，
MATLAB有望进一步拓展其在 多领域融合仿真方面的能力， 提供更加全面、综合的解决方
案。
实时仿真和硬件在循环（HIL）仿真： 随着实时仿真和硬件在循环（HIL） 仿真技术的不断发展，MATLAB有望 提供更加高效、精确的实时仿真和 HIL仿真支持，满足复杂系统仿真的
利用系统的输入输出数据，通过一定 的数学方法确定系统的模型结构和参 数。这种方法不需要了解系统的内部 机制，但需要大量的实验数据。
03
混合建模法
结合机理建模和系统辨识的方法，充 分利用已知的系统信息和实验数据， 建立更准确的系统模型。
线性系统时域分析法
经典控制理论
基于传递函数和频率响应的方法，通过求解系统的微分方程或差分方程，得到系统的时域响应。这种方法适用于 单输入单输出（SISO）线性定常系统。
matlab 计算点云切向矢量
文章主题：MATLAB 中计算点云切向矢量点云技术作为一种重要的三维数据表示方式，在计算机视觉、图形学和机器人领域得到了广泛的应用。
在点云处理中，计算点云的法向量和切向矢量是非常重要的一步，可以帮助我们更好地理解和分析三维场景。
本文将以 MATLAB 为工具，深入探讨如何计算点云的切向矢量，并结合实际案例进行详细分析和讨论。
1. 点云概述点云是一种由大量离散点构成的三维数据集合，通常用来表示物体表面的三维几何形状。
在计算机中，点云可以由坐标和法向量来表示，其中坐标表示点的空间位置，法向量表示点的朝向信息。
在点云处理中，我们经常需要计算点云的法向量和切向矢量，以便进行后续的分析和处理。
2. MATLAB 中的点云处理工具MATLAB 提供了丰富的点云处理工具，包括点云导入、可视化、重构和分析等功能。
在 MATLAB 中，可以使用 PointCloud 对象来表示点云数据，并利用 PointCloud 对象提供的方法来实现点云的切向矢量计算。
下面将结合具体案例，介绍如何在 MATLAB 中计算点云的切向矢量。
3. 点云切向矢量的计算方法在 MATLAB 中，可以使用 pcfitplane() 函数来计算点云的切向矢量。
该函数可以根据点云数据拟合出一个平面模型，并给出平面法向量作为切向矢量。
下面给出一个简单的示例代码：```matlabptCloud = pcread('example.ply');maxDistance = 0.02;[model,inlierIndices,outlierIndices] =pcfitplane(ptCloud,maxDistance);tangentVector = model.Normal;```在上面的代码中，首先使用 pcread() 函数导入点云数据，然后调用pcfitplane() 函数对点云数据进行平面拟合，得到平面模型和切向矢量。
这里的 maxDistance 参数表示拟合平面时允许的最大距禜误差。
基于云模型效能评估的Matlab实现
基于云模型效能评估的Matlab实现王旭辉;杨华;陈远【摘要】对基于云模型的系统效能评估方法及过程进行了简要的描述,用Matlab 代码实现了部分算法,代码经测试均可正确运行。
对云模型的研究和应用有一定的推广价值和研究意义。
%This paper describes the methods and processes for the system effectiveness evaluation based on cloud model,using Matlab to achieve part of the algorithm.Code in the text can be properly tested.And it has extension and research significance in the study and application of the cloud model.【期刊名称】《微型机与应用》【年(卷),期】2012(031)008【总页数】4页(P71-73,76)【关键词】Matlab;云模型;效能评估【作者】王旭辉;杨华;陈远【作者单位】重庆通信学院,重庆400035;重庆通信学院,重庆400035;重庆通信学院,重庆400035【正文语种】中文【中图分类】TP311.5对于一些复杂的系统，由于其不确定性即模糊性和随机性，很难准确地对其进行有效的效能评估。
因此需要一种评估方法，能够充分考虑到评估过程中出现的模型，同时能够有效而简便地实现定性与定量相互转换[1]。
云模型是由李德毅院士提出的一种定性定量互换模型，可将模糊性和随机性结合在一起，充分实现精确数值与定性语言之间的转换，可以有效地实现系统效能评估。
而Matlab既是一种直观、高效的计算机语言，同时又是一个科学计算平台。
它为数据分析和数据可视化、算法和应用程序开发提供了可靠的数学运算和高级图形绘制工具[2]。
实验二MATLAB绘制图形
4
5
6
7
hold on;
%后续图形叠加显示
plot(t,y2);
hold on;
plot(t,y3);
二、三维图形
1、 基本的三维绘图命令
三维曲线图
plot3函数可以绘制三维曲线:
plot3(x1, y1, z1, 's1', x2, y2, z2, 's2'…)
例13 函数plot3绘制的三维曲线图
theta = (-pi:0.01:pi);
rho(1,:) = 2*sin(5*theta).^2;
rho(2,:) = cos(10*theta).^3;
rho(3,:) = sin(theta).^2;
rho(4,:) = 5*cos(3.5*theta).^3;
120
for i = 1:4
% 极坐标图形输出函数 150
实验二 MATLAB绘制图形
（一） 实验类型：验证性 （二） 实验类别：基础实验 （三） 实验学时数：2学时
.
实验内容
一、二维图形 二、三维图形
一、二维图形 1、 基本二维绘图命令
(1) plot函数
plot(x)：缺省自变量的绘图格式，x可为向量或矩阵. 当x为向量时，以x元素值为纵坐标，以相应元素下标为
1
0.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
-1
0
1
2
3
4
5
6
7
例6 分析下列程序绘制的曲线. x1=linspace(0,2*pi); x2=linspace(0,3*pi); x3=linspace(0,4*pi); y1=sin(x1); y2=1+sin(x2); y3=2+sin(x3); x=[x1;x2;x3]'; y=[y1;y2;y3]'; plot(x,y,x1,y1-1)
matlab数学建模数据可视化
0
5
10
2．坐标控制
axis函数的调用格式为：
axis([xmin xmax ymin ymax zmin zmax])
axis函数功能丰富，常用的格式还有：
axis equal：纵、横坐标轴采用等长刻度。
axis square：产生正方形坐标系(缺省为矩形)。 axis auto：使用缺省设置。 axis off：取消坐标轴。 axis on：显示坐标轴。
选定第p个区为当前活动区。在每一个绘图区
允许以不同的坐标系单独绘制图形。
例2-10 在图形窗口中，以子图形式同时绘制多根曲 线。
t=0:pi/100:2*pi; y1=sin(t);y3=sin(t+0.5);
y2=cos(t);y4=cos(t+0.5);
subplot(2,2,1); plot(t,y1) subplot(2,2,2); plot(t,y2) subplot(2,2,3); plot(t,y3) subplot(2,2,4); plot(t,y4)
22215图形的可视化编辑215图形的可视化编辑matlab在图形窗口中提供了可视化的图形编辑工具利用图形窗口菜单栏或工具栏中的有关命令可以完成对窗口中各种图形对象的编辑处理
第二单元 数据可视化
主要内容
• 二维绘图
1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 1 2 3 4 5 6
90 120
0.5 60 0.4 0.3
150 0.2 0.1 180
30
0
210
330
240 270
300
MATLAB三维绘图
第7讲 绘制三维图（第5章MATLAB 绘图）目的：1.掌握绘制三维图形的方法。
2.掌握绘制图形的辅助操作。
一、绘图时点坐标矩阵的生成。
绘图函数使用描点法绘图，所以在绘图前，需要建立空间点的概念，空间中的点需要三个坐标(,,)x y z ，matlab 使用三个矩阵来存储点的三个坐标，一个矩阵（比如A ）存储点的x 坐标，一个矩阵（比如B ）存储点的y 坐标，一个矩阵（比如C ）存储点的z 坐标。
其中A 、B 、C 三矩阵是同型矩阵。
例如设矩阵123112X ⎛⎫⎪= ⎪ ⎪⎝⎭，014221Y −⎛⎫ ⎪= ⎪ ⎪⎝⎭，510113Z ⎛⎫ ⎪= ⎪ ⎪−⎝⎭则，matlab 绘图函数将绘制点()()1,0,5,(2,1,1),(3,4,0),,2,1,3−共6个点。
如果点的坐标没有规律那么我们需要手工输入坐标矩阵。
如果点的坐标有规律，那么我们可以使用矩阵运算或者matlab 产生点的函数来生成坐标矩阵。
例如，假设空间中点的纵横坐标如下图所示：图中点的坐标有规律：横坐标是(1,2,3,4),纵坐标是(1,2,3)，所以可以使用如下方法得到点的坐标矩阵。
方法一：>> a=[1,2,3,4];b=[1,2,3];i=ones(1,3);j=ones(1,4);>>x=i’ *a; y=b‘ *j;方法二：使用matlab系统函数meshgrid（推荐使用）>> a=[1,2,3,4]; b=[1,2,3];>>[x,y]=meshgrid(a,b) % 该函数生成的x，y矩阵和方法一相同。
------------------我是华丽分割线-----------------除meshgrid外，还可以用peaks、cylinder函数等生成点坐标矩阵。
peaks(n): 本身是一个创建具有多个峰值的曲面图，例如:>> peaks(30) %产生的图如下：在matlab中可以使用，例如：命令[x,y,z]=peaks(30)取出曲面点的三个坐标矩阵x,y,z；[a,b]=peaks(30)取出曲面点的前两坐标矩阵x,y；%可以用逻辑运算a==x,b==y验证注意：命令a=peaks(30)取出的a不是曲面点的x坐标，而是点的z坐标；可以用二维绘图函数scatter(x,y)绘制散点图观察取出的坐标点:>>[x,y]=peaks(8);>>scatter(x,y)另一个可以用来取坐标点的函数是sphere(n)，命令sphere(n)：绘制一个具有n个纵列的单位球面。
2024(完整版)MATLAB自学教程
01 MATLABChapterMATLAB概述与特点发展历程及应用领域发展历程应用领域安装与界面介绍安装用户可以从MathWorks官网下载MATLAB安装程序，根据提示完成安装过程。
安装过程中需要选择安装路径、添加环境变量等步骤。
界面介绍MATLAB界面包括命令窗口、工作空间、当前目录窗口、命令历史窗口等部分。
用户可以在命令窗口中输入命令并执行，工作空间展示当前变量和函数，当前目录窗口显示当前工作路径下的文件和文件夹，命令历史窗口记录用户输入的命令历史。
01020304变量与数据类型条件语句与循环语句数组与矩阵操作函数编写与调用基本操作入门02数据类型与运算规则Chapter整数类型包括有符号和无符号整数，如int8、uint8、int16、uint16等。
浮点数类型包括单精度和双精度浮点数，如single、double。
特殊数值如Inf表示无穷大，-Inf表示负无穷大，NaN表示非数字。
字符数组01字符串操作02字符编码03逻辑型数据逻辑函数逻辑运算逻辑值（~）等逻辑运算符。
逻辑真（true）和逻辑假（false）。
数组与矩阵运算规则数组创建数组索引矩阵运算特殊矩阵03程序设计基础ChapterMATLAB 中变量名区分大小写，以字母开头，可包含字母、数字和下划线，不能是MATLAB保留字。
变量命名规则变量作用域特殊变量局部变量只在其所在的函数或脚本中有效，全局变量在整个MATLAB 工作环境中都有效。
MATLAB 提供了一些特殊变量，如ans 、pi 、i 或j （虚数单位）等，可以直接使用。
变量命名规则及作用域条件语句if-else语句用于根据条件执行不同的代码块，switch-case语句用于多分支选择。
循环语句for循环用于指定次数的重复执行，while循环用于满足条件时的重复执行。
流程控制语句break语句用于提前退出循环，continue语句用于跳过本次循环的剩余部分。
条件语句和循环语句应用函数定义MATLAB 中可以使用function 关键字定义函数，包括输入参数、输出参数和函数体。
数学建模30种经典模型matlab
一、概述数学建模是数学与实际问题相结合的产物，通过建立数学模型来解决现实生活中的复杂问题。
Matlab作为一个强大的数学计算工具，在数学建模中具有重要的应用价值。
本文将介绍30种经典的数学建模模型，以及如何利用Matlab对这些模型进行建模和求解。
二、线性规划模型1. 线性规划是数学建模中常用的一种模型，用于寻找最优化的解决方案。
在Matlab中，可以使用linprog函数对线性规划模型进行建模和求解。
2. 举例：假设有一家工厂生产两种产品，分别为A和B，要求最大化利润。
产品A的利润为$5，产品B的利润为$8，而生产每单位产品A 和B分别需要8个单位的原料X和10个单位的原料Y。
此时，可以建立线性规划模型，使用Matlab求解最大化利润。
三、非线性规划模型3. 非线性规划是一类更加复杂的规划问题，其中目标函数或约束条件存在非线性关系。
在Matlab中，可以使用fmincon函数对非线性规划模型进行建模和求解。
4. 举例：考虑一个有约束条件的目标函数，可以使用fmincon函数在Matlab中进行建模和求解。
四、整数规划模型5. 整数规划是一种特殊的线性规划问题，其中决策变量被限制为整数。
在Matlab中，可以使用intlinprog函数对整数规划模型进行建模和求解。
6. 举例：假设有一家工厂需要决定购物哪种机器设备，以最大化利润。
设备的成本、维护费用和每台设备能生产的产品数量均为已知条件。
可以使用Matlab的intlinprog函数对该整数规划模型进行建模和求解。
五、动态规划模型7. 动态规划是一种数学优化方法，常用于多阶段决策问题。
在Matlab 中，可以使用dynamic programming toolbox对动态规划模型进行建模和求解。
8. 举例：考虑一个多阶段生产问题，在每个阶段都需要做出决策以最大化总利润。
可以使用Matlab的dynamic programming toolbox对该动态规划模型进行建模和求解。
《MATLAB图形绘制》课件
交互式编程环境
Matlab提供了交互式命令窗口和脚本文 件，方便用户进行编程和调试。
图形绘制功能
Matlab提供了丰富的绘图函数，可以方 便地绘制各种二维、三维图形，支持多种 图形格式输出。
02
Matlab绘图基础
绘图函数的使用
plot函数
用于绘制二维线图，可以绘制一个或多个数 据序列。
bar函数
滤波器应用
通过实例演示如何使用Matlab实现图像的 滤波处理，提高图像质量或突出特定特征。
图像的色彩空间转换
色彩空间
介绍常见的色彩空间如RGB、HSV、 CMYK等，以及它们之间的转换关系 。
转换方法
演示如何使用Matlab进行图像的色彩 空间转换，以便更好地进行图像处理 和分析。
05
Matlab与其他软件的结 合使用
信号处理与通信
05
06
金融建模与预测
Matlab的优点与特点
易用性
Matlab的语法简洁明了，易于学习，适 合初学者快速入门。
支持多种编程范式
Matlab不仅支持传统的命令式编程，还 支持面向对象编程和函数式编程，具有高 度的可扩展性。
强大的数学计算能力
Matlab内置了大量数学函数和算法，支 持矩阵运算、数值分析、统计分析等多种 数学计算。
《Matlab图形绘制》 PPT课件
xx年xx月xx日
• Matlab简介 • Matlab绘图基础 • 高级绘图技巧 • 图像处理与可视化 • Matlab与其他软件的结合使用 • Matlab图形绘制的实际应用案
例
目录
01
Matlab简介
Matlab的发展历程
01
1980年代初
教你用MATLAB快速作一维、二维、三维图
subplot(2,2,3);
• ct=cos(x)./(sin(x)+eps);
plot(x,t);
title('tangent(x)');
• subplot(2,2,1); 分成2×2区域且指定1号为活动区 axis ([0 2*pi -40 40]);
• plot(x,y);
subplot(2,2,4);
• 下述程序段绘制一正方形并以黄色填充：
精选可编辑ppt
20
• x=[0 1 1 0 0]; 正方形顶点坐标向量
• y=[0 0 1 1 0]; • fill(x,y,'y');绘制并以黄色填充正方形图
• 再如：
• x=[0:0.025:2*pi];
• y=sin(3*x);
• fill(x,y,[0.5 0.3 0.4]); 颜色向量
24
2、多条曲线
plot3(x,y,z)
其中x，y，z都是m*n矩阵，其对应的每一列表示一条曲线.
例 画多条曲线观察函数Z=(X+Y).^2.
解 x=-3:0.1:3;y=1:0.1:5; [X,Y]=meshgrid(x,y); Z=(X+Y).^2; plot3(X,Y,Z)
列程序段将绘制条形图形
x=[-2.5:0.25:2.5];
y=exp(-x.*x); bar(x,y); 绘制条形图命令
精选可编辑ppt
19
• 6.3 填充图形
• fill(x,y,’c’)函数用来绘制并填充二维多
边图形，x和y为二维多边形顶点坐标向 量。字符 ’c’ 规定填充颜色，其取值前 已叙述。
-0.6
精选可编辑ppt
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一维云模型程序：clcclearEx=170;En=5;He=0.5;n=5000;for i=1:nEnn=randn(1)*He+En;x(i)=randn(1)*Enn+Ex;y(i)=exp(-(x(i)-Ex)^2/(2*Enn^2)); endplot(x,y,'.r')title('5000个男生身高的一维云图') ylabel('确定度');xlabel('身高值');axis([150,190,0,1])grid on一维：clear vars;clc;close all;Ex1=-8; En1=0.7; He1=0.2; n1=200; Ex2=2.2; En2=2; He2=0.5; n2=800; Ex3=18; En3=4; He3=0.7; n3=1500; En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);figure(1);plot(data1,mu1,'.b',data2,mu2,'*r',data3,mu3,'+k'); axis equal;二维云模型程序：clcclearEx1=170;En1=5;He1=0.5;Ex2=65;En2=3;He2=0.2;n=5000;for i=1:nEnn1=randn(1)*He1+En1;x1(i)=randn(1)*Enn1+Ex1;Enn2=randn(1)*He2+En2;x2(i)=randn(1)*Enn2+Ex2;y(i)=exp(-(x1(i)-Ex1)^2/(2*Enn1^2)-(x2(i)-Ex2)^2/(2*Enn2^2)); endplot3(x1,x2,y,'.r')title('5000个男生身高体重的二维云图')axis([148,190,50,80,0,1])grid on结果：多个一维clear vars;clc;close all;Ex1=0; En1=0.103; He1=0.013; n1=5000;Ex2=0.309; En2=0.064; He2=0.008; n2=5000;Ex3=0.5; En3=0.039; He3=0.005; n3=5000;Ex4=0.691; En4=0.064; He4=0.008; n4=5000;Ex5=1; En5=0.103; He5=0.013; n5=5000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' );title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1])grid on一维Ex=1100;En=84.926;He=0.1;n=1000;X=zeros(1,n);Y=zeros(1,n);X(1:n)=normrnd(En,He,1,n);for i=1:nEn1=X(1,i);X(1,i)=normrnd(Ex,En1,1);Y(1,i)=exp((-(X(1,i)-Ex)^2)/(2*En1^2));plot(X,Y,'.','MarkerEdgeColor','k','markersize',4); title('强等级','fontsize',16);grid on;end逆发生器代码X1=X ;Y1=Y;i=1;while i<=(n-flag)If Y1(1,i)>0.9999Y1(:,i)=[ ] ;X1(:,i)=[ ] ;flag=flag+1;End;Ex=mean(X1) ;En1=zeros(1,m) ;for i=1:m ;En1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2*log(Y1(1,i))) ; End ;En=mean(En1) ;He=0 ;for i=1:m ;He=He+(En1(1,i)-En)^2 ;He=sqrt(He/(m-1)) ;End ;X1 =X;Y1=Y;i=1;while i<=(n-flag)if Y1(1,i)>0.9999Y1(:,i)=[];X1(:,i)=[];flag=flag+1;elsei=i+1;m=m +1;endendEx=mean(X1)En1=zeros(1,m);for i= l:mEn1(1,i)=abs(X1(1,i)-Ex)/sqrt(-2 *log(Y1(1,i))); endEn=mean(En1);He=0;for i=l:mHe=He+(En1(1,i)-En)^2;endHe=sqrt(He/(m-1))clear vars;clc;close all;Ex1=0.457; En1=0.150; He1=0.050; n1=4000; Ex2=0.454; En2=0.156; He2=0.056; n2=4000;Ex3=0.435; En3=0.229; He3=0.067; n3=4000;Ex4=0.415; En4=0.177; He4=0.071; n4=4000;Ex5=0.414; En5=0.298; He5=0.099; n5=4000; Ex6=0.410; En6=0.242; He6=0.061; n6=4000;Ex7=0.410; En7=0.188; He7=0.061; n7=4000;Ex8=0.500; En8=0.039; He8=0.005; n8=5000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);En6_t = normrnd(En6,He6,n6,1);data6 = normrnd(Ex6,En6_t,n6,1);mu6 = exp(-0.5*((data6-Ex6)./En6_t).^2);En7_t = normrnd(En7,He7,n7,1);data7 = normrnd(Ex7,En7_t,n7,1);mu7 = exp(-0.5*((data7-Ex7)./En7_t).^2);En8_t = normrnd(En8,He8,n8,1);data8 = normrnd(Ex8,En8_t,n8,1);mu8 = exp(-0.5*((data8-Ex8)./En8_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' ,data6,mu6,'.r',data7,mu7,'.r',data8,mu8,'.r');title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1])grid onclear vars;clc;close all;Ex1=0.716; En1=0.123; He1=0.045; n1=4000;Ex2=0.545; En2=0.140; He2=0.052; n2=4000;Ex3=0.534; En3=0.233; He3=0.085; n3=4000;Ex4=0.461; En4=0.202; He4=0.063; n4=4000;Ex5=0.691; En5=0.064; He5=0.008; n5=6000;En1_t = normrnd(En1,He1,n1,1);data1 = normrnd(Ex1,En1_t,n1,1);mu1 = exp(-0.5*((data1-Ex1)./En1_t).^2);En2_t = normrnd(En2,He2,n2,1);data2 = normrnd(Ex2,En2_t,n2,1);mu2 = exp(-0.5*((data2-Ex2)./En2_t).^2);En3_t = normrnd(En3,He3,n3,1);data3 = normrnd(Ex3,En3_t,n3,1);mu3 = exp(-0.5*((data3-Ex3)./En3_t).^2);En4_t = normrnd(En4,He4,n4,1);data4 = normrnd(Ex4,En4_t,n4,1);mu4 = exp(-0.5*((data4-Ex4)./En4_t).^2);En5_t = normrnd(En5,He5,n5,1);data5 = normrnd(Ex5,En5_t,n5,1);mu5 = exp(-0.5*((data5-Ex5)./En5_t).^2);figure(1);plot(data1,mu1,'.r',data2,mu2,'.r',data3,mu3,'.r',data4,mu4,'.r',data5,mu5,'.r' );title('评价集')ylabel('隶属度');axis([-0.4,1.4,0,1]) grid on。