设有宽度为1的正方形，其中有一半径为0.5的圆内接这个正方形，随机生成一定数量的点，落在圆内的点的数量和落在圆外点的数量的比值k即为π/4，我们只需要求出k的值，即可根据π=k*4即可求得圆周率。代码如下：% kkk=[];% for i=1:10clcdota=1000;x=rand(1,dota);y=rand(1,dota);plot(x,y)dis=[];for i=1:length(x)

这个项目仅仅作为gui播放视频的验证视频文件前处理：讲要播放的视频用视频剪辑软件调整到合适的时长，注意这个视频的时长不是在gui界面上的播放时长，因为imshow函数会有可观的运行时间，导致在gui中播放的时长要比视频实际时长要长，这个问题暂时还没有找到解决方法首先利用guide把界面画好，如下图所示：注意：要想不在gui界面中隐藏坐标轴，将坐标轴属性中的‘vision’置为‘off’，如下图，然

求斐波那契额数列a=input('输入斐波那契数列的项数n:');A=zeros(a);B=A(1,:);B(1,1)=1;B(1,2)=1;for m=3:aB(m)=B(m-1)+B(m-2);enddisp(B)

此项目实现动态绘制曲线图，这只是其中的一种方法，还有很多其他的方法，代码如下clearclcx=linspace(0,10,100);y=sin(x);for i=1:numel(x)plot(x(1:i),y(1:i),'r')axis([min(x)*(11/10),max(x)*(11/10),min(y)*(11/10),max(y)*(11/10)])hold onpause(0.1)e

在利用matlab自带的神经网络工具箱函数建立神经网络的时候，如果不进行设置，函数将会自动将input数据分为三个部分training、validation、testing，往往我们已经将用于测试的数据预留出来了，我们的目的是讲输入的数据全部用于训练神经网络，所以要将validation和testing部分设置为0，使用如下命令即可将输入的数据全部用于神经网络训练net.divideMode='n

摘自《数字图像处理》，先将所求图像的行列索引[r.c]分别找出来，然后,利用以r和c作为输入的mean函数来计算物体的质心：rbar=mean( r );cbar=mean( c );

训练数据是用来训练神经网络模型的数据，验证数据的作用是在神经网络训练的过程中不断测试模型的误差，验证数据的误差随着神经网络模型训练的次数增加会呈现先减小后增加的数据，所以验证数据的误差会存在一个拐点，当达到这个拐点时停止神经网络的训练，这时得到的神经网络的误差最小。而测试数据就是用来在神经网络训练完毕的时候测试模型的误差的数据。总结至https://www.bilibili.com/video/a

层次聚类的评价—共性分类相关系数（cophenetic correlation coeffieient,CPCC）一个聚类树的共性分类相关性是指由聚类树得到的共性分类距离与构造树时的原始距离（相异性）之间的线性相关系数，因此它是对聚类树在多大程度上代表了样本之间相异性的度量。MATLAB中，用cohenetic计算该相关系数，输入参数为pdist函数输出的样本对距离向量Y和由linkage函数输出