MATLAB数据分析与可视化技术

1、使用normrnd或randn函数生成一些一维正态分布的随机变量，其均值µ = 5，标准差σ = 2（若使用randn函数，必须对结果进行变换以使其具有所需的均值和标准差）。应用以下标准化程序，并验证关于变换后变量的均值和方差的相关说明：1. 使用标准差的标准化，公式为z = (x - mean(x)) / std(x) 和z = x / std(x)；2. 使用范围的标准化，公式为z = x / (max(x) - min(x)) 和z = (x - min(x)) / (max(x) - min(x))。

随机变量生成与标准化处理

首先，使用 normrnd 函数生成均值为 5、标准差为 2 的一维正态分布随机变量。

若使用 randn 函数，则通过以下公式将结果变换为所需分布（ n 为随机变量数量）：

x = 2 * randn(n, 1) + 5

标准化程序

1. 使用标准差的标准化

• 公式1：

matlab z = (x - mean(x)) / std(x)

• 公式2：

matlab z = x / std(x)

2. 使用范围的标准化

• 公式1：

matlab z = x / (max(x) - min(x))

• 公式2：

matlab z = (x - min(x)) / (max(x) - min(x))

验证变换结果

使用 MATLAB 函数如 mean 和 var 验证变换后变量的均值和方差，以验证关于位置和分布的说明。例如：

• 对于变换 z = (x - mean(x)) / std(x) ，变换后变量的均值应为 0，方差应为 1。

2、对S曲线数据应用ISOMAP方法。构建数据的散点图，并与LLE的结果进行比较。

可按照以下步骤操作：

1. 加载数据：
   matlab load scurve

2. 运行ISOMAP：
   将数据矩阵转换为 n x p 格式，计算距离矩阵，然后运行ISOMAP。代码如下：
   matlab X