化最簡行階梯矩陣：rref

>> A = magic(10)

A =

    92    99     1     8    15    67    74    51    58    40
    98    80     7    14    16    73    55    57    64    41
     4    81    88    20    22    54    56    63    70    47
    85    87    19    21     3    60    62    69    71    28
    86    93    25     2     9    61    68    75    52    34
    17    24    76    83    90    42    49    26    33    65
    23     5    82    89    91    48    30    32    39    66
    79     6    13    95    97    29    31    38    45    72
    10    12    94    96    78    35    37    44    46    53
    11    18   100    77    84    36    43    50    27    59

>> Arref = rref(A)

Arref =

     1     0     0     0     0     0     0     1     0     0
     0     1     0     0     0     0     0     1     2     1
     0     0     1     0     0     0     0     1     0     0
     0     0     0     1     0     0     0     0     1     0
     0     0     0     0     1     0     0     0     0     1
     0     0     0     0     0     1     0    -1     0     0
     0     0     0     0     0     0     1    -1    -2    -1
     0     0     0     0     0     0     0     0     0     0
     0     0     0     0     0     0     0     0     0     0
     0     0     0     0     0     0     0     0     0     0
 

最大最小法歸一化&標準歸一化：mapminmax,mapstd

>> A = randn(1,10)

A =

    1.4193    0.2916    0.1978    1.5877   -0.8045    0.6966    0.8351   -0.2437    0.2157   -1.1658

>> mapminmax(A)

ans =

    0.8777    0.0586   -0.0095    1.0000   -0.7375    0.3528    0.4534   -0.3302    0.0034   -1.0000

>>mapstd(A)

ans =

    1.2625   -0.0129   -0.1189    1.4530   -1.2525    0.4452    0.6018   -0.6183   -0.0987   -1.6612
 

歸一化效果對比

建立隨機行向量：randperm

將矩陣旋轉90度：rot90

矩陣對角元素之和：trace

求範數：norm

產生對數分佈的向量：logspace

取矩陣的上三角或者下三角：tril、triu

求共軛：conj

求最大公約數：gcd

求最小公倍數：lcm

解卷積、多項式除法：deconv

數值差分、符號微分：diff

生成希爾伯特矩陣：hilb

BP(前饋反向傳播)神經網路構造、訓練、預測函式：newff、train、sim

RBF神經網路構造：newrb、newrbe

GRNN神經網路構造：newgrnn

DHNN神經網路構造：newhop

SVM（支援向量機）非官方支援工具箱：LIBSVM

matlab自帶svm工具箱中指令：svmtrain