今天搁公司里搞了一天的shit代码，大概就是客户要把以前的三级联动改成五级联动，并且是多选的联动，其实昨天就已经做好的，只是今天想用bootstrap-multiselect来改进一下，以前的是照着我们组的小位哥哥改的，话说小位哥哥真厉害，不用框架内部的事件能完成，二级多选的联动，也是挺狠的。
1、matlab拉格朗日插值
function yi=Lagrange(x,y,xi)
%x为向量，全部的插值节点
%y为向量，插值节点处的函数值
%xi为标量或向量，被估计函数的自变量；
%yi为xi处的函数估计值
n=length(x);m=length(y);
%插值点与它的函数值应有相同的个数
if n~=m
error(‘The lengths of X and Y must be equal!‘);
return;
end
yi=zeros(size(xi));
for k=1:n
w=ones(size(xi));
for j=[1:k-1 k+1:n]
%输入的插值节点必须互异
if abs(x(k)-x(j))<eps
error(‘the DATA is error‘);
return;
end
w=(xi-x(j))/(x(k)-x(j)).*w;
end
yi=yi+w*y(k);
end
2、Matlab作两个模式类的距离（判别分析），
X1,X2为----类1，类2的训练样本“样品*变量”矩阵
X-为待判样品的“样品*变量”矩阵
COEFF---判别函数的系数向量
DIST-----待判样品的判别函数值向量
CLASS----待判样品的分类
function [coeff,dist,class]=dclass(x1,x2,x)
[N1,p]=size(x1);
[N2,p]=size(x2);
[N,p]=size(x);
meanx1=mean(x1);
meanx2=mean(x2);
covx1=(N1-1)*cov(x1);
covx2=(N2-1)*cov(x2);
mean=(meanx1+meanx2)./2;
cov=(covx1+covx2)./(N1+N2-2);
coeff=inv(cov)*(meanx1-meanx2)‘;
dist=[];
class=[];
for byk=1:N
w=(x(byk,:)-mean)*coeff;
if w>0
r=1;
else
r=2;
end
dist=[dist,w];
class=[class,r];
end
coeff=coeff‘;
3、好像是中心差分的差分表
function [Dy,dy,jdw,n]=diffext1(fun,x0,jdwc,max1) h=1;j=1; n=1;jdW=1;xdW=1; x1=x0+h;x2=x0-h; Dy(1,1)=(feval(fun,x1)- feval(fun,x2))/(2*h); while((jdW>jdwc)&(j<max1)) j;x1=x0+2^(-j)*h;x2=x0-2^(-j)*h; Dy(j+1,1)=(feval(fun,x1)-feval(fun,x2))/(2^(1-j)*h); for k=1:j k;Dy(j+1,k+1)= Dy(j+1,k)+( Dy(j+1,k)- Dy(j,k))/(4^k-1); end jdW=abs(Dy(j+1,j+1)-Dy(j+1,j)); j=j+1; end [n,n]=size(Dy);jdw=abs(Dy(n,n)-Dy(n,n-1)); dy= Dy(n,n);
function yi=Lagrange(x,y,xi)%x为向量，全部的插值节点%y为向量，插值节点处的函数值%xi为标量或向量，被估计函数的自变量；%yi为xi处的函数估计值n=length(x);m=length(y);%插值点与它的函数值应有相同的个数if n~=m error(‘The lengths of X and Y must be equal!‘); return;endyi=zeros(size(xi));for k=1:n w=ones(size(xi)); for j=[1:k-1 k+1:n] %输入的插值节点必须互异 if abs(x(k)-x(j))<eps error(‘the DATA is error‘); return; end w=(xi-x(j))/(x(k)-x(j)).*w; end yi=yi+w*y(k);end