王媚

摘要：傳統計算機模式與MATLAB軟件技術相比較，傳統軟件運行起來較為復雜。以此基于MATLAB軟件下的網絡數據技術，它以高速化、關聯化的優勢成為人們眼中的焦點。本文針對傳統網絡軟件模式中出現的問題，對基于MATLAB大數據技術進行探究。

關鍵詞：MALAB軟件;網絡媒體;大數據;技術研究

中圖分類號：TP332 文獻標識碼：A 文章編號：1007-9416(2019)12-0212-02

現今，利用數據的完整性、相關性、多樣性實現對公共安全、社會管理等領域的大數據應用研究非常流行。大數據與云計算的出現，使很多的事成為可能。

1 MATLAB數據處理

數據聚類分析的形式，是網絡媒體中大數據技術的重要表現之一。整個過程非常合理、井然有序。數據統計方法不僅有效，在地區空間中也可以重建網絡媒體平臺。面對非結構化和散射數據，MATLAB軟件進入高速運行狀態。

在媒體網絡的大規模數據技術管理下，大規模信息的特征在matlab系統中被顯示。在曲線變化的過程中，可以看清哪些值是典型的，它們經常有伴隨波動非常大的圖像。這正好說明了這些數據與其他數據具有較大的差異，同時還會影響決策者作出正確的判斷。由于在MATLAB系統中可以使用奇偶校驗和R乘指數的計算方法來獲得標準值，然后將參數進行比較，因此能使人們更好地理解偏差。

2 數據降維與矩陣分解算法

次元縮小是許多領域中最重要的研究領域之一。有很多次元縮小的方法。根據三維縮小的不同方法，生成了基于kohonen自我組織化特征圖(sofm)、主分量分析(p-ca)、多維縮放(md)等許多集群化法。此外，還有基于分形維縮小的特殊維縮小聚合法。

SOFM的缺點是不提供用于評估從高維到低維的變換的優點和缺點的特定標準。另外，相對于高維數據，神經網絡學習過程的收斂性非常慢。主成分分析也是廣泛使用的次元縮小法之一。對于含有n m維數據的數據集，pca法首先計算mxm次數的共分散矩陣，計算表示原始數據的主要特征矩陣的k支配固有向量。由此，能夠將原始高維數據投影到由k固有向量表示的方向。投影后的數據具有相對低的維度，因此可以使用常規聚集算法進行聚集處理。

PCA提供了一些用于確定上述K值的方法，但由于不同的方法所確定的k值大不相同，因此很難找到正確的適當的k值。K如果值太小，原始數據的重要特征就會丟失。P-CA的另一個缺點是空間復雜度為0(M 2)，其復雜度取決于固有值的數目，且其大于0(M 2)的值。為了將p c a成熟的想法應用到非線性維縮小領域，一些研究人員通過擴展線性p c a生成了內核p c a。

多維定標也是將高維數據映射到低維空間的方法。映射過程保持數據點之間的差異(或類似性)。即在點遠離時，與原始數據集合中的每一者相近的點還接近。這種算法的基本出發點是數據點之間的類似性(或差異)描述。縮小三維的目的是搜索保持數據集合的關心特性的低維數據集合，通過分析低維數據來確定對應的高維數據特性，并獲得數據的有效特征以便簡化解析，并可視化數據。基于分形的次元縮小是近年來備受矚目的一種方法。利用分形理論，首先能夠準確估計數據的固有維度，并提供進一步縮小維度的指導。與估計固有值的其他方法不同，基于片假名的方法可以獲得非整數值即片假名維度的固有值，如圖1所示。

2.1 矩陣分解算法

矩陣分解，顧名思義，就是將矩陣分解為若干個矩陣組合的形式，這樣的辦法能夠解決許多線性代數和計算數學問題。矩陣分解主要有兩種形式，一個是將矩陣分解為若干個矩陣和的形式，另外是將矩陣分解為若干個矩陣積的形式。矩陣分解為和形式的中心思想是構造，定性構造出抽象的具體表達式。

定理1：任何一個n階矩陣A，都能唯一的表示為一個對稱矩陣和一個反對稱矩陣之和。

證明：存在性證明。

設A為n階矩陣，令B=(A+AT)，C=(A-AT)，則

BT=[(A+AT)]T=(AT+A)=(A+AT)=B，

CT=[(A-AT)]T=(AT-A)=-(A-AT)=-C，易知B為對稱矩陣，C為反對稱矩陣，且A=B+C。

唯一性證明。

若還有對稱矩陣B1以及反對稱矩陣C1，使A=B1+C1，則B1-B=C-C1，而B1-B為對稱矩陣，C-C1為反對稱矩陣，故B1-B=0=C-C1，即B1=B，C=C1則證明了唯一性。

2.2 矩陣中元素的操作

(1)矩陣A的行R：A(R：)、矩陣A的列R：A(：R)。(2)依次取出A的各列，將A伸展到A列。(3)取矩陣A的行i～i 2和列ji～j 2，形成新的矩陣。(4)通過逆矩陣提取矩陣A的行i到i 2，形成新的矩陣。(5)以逆矩陣提取矩陣A的j～j 2列，形成新的矩陣。(6)刪除A的行i到i 2以創建新矩陣。(7)刪除a的j-j列以形成新矩陣。(8)將標色矩陣A和B設置為新矩陣。

2.3 標量矩陣運算

矩陣運算：數組相加：A+B;矩陣乘法：A*B。

矩陣公式：det(a);矩陣的逆矩陣：inv(a)。

3 結語

通過數學與應用數學、信息計算相結合的方法可對大規模數據的生成、預處理、解析、可視化進行研究。通過MATLAB軟件，使數據解析和信息計算理論相結合，以便對大規模數據的存儲、解析、分類進行研究。使用矩陣分解可以實現數據主成分分析和數據預測。

參考文獻

[1] Overschee P V，Moor B D.Subspace Identification for Linear Systems[M].Springer US，2016.

[2] 梅健強.基于線性子空間方法的人臉識別技術[D].天津大學，2017.

總結

以上是生活随笔為你收集整理的用matlab画大数据曲线_基于MATLAB的大数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。