Создание вектора x. Получение второго вектора y путем преобразования и нетрансформации x. Это преобразование вводит различия округления в y.

x = (1:6)'*pi;
y = 10.^log10(x);

Убедитесь, что x и y не идентичны, принимая разницу.

x-y

ans = 6×1
10-14 ×

    0.0444
         0
         0
         0
         0
   -0.3553

Использовать unique поиск уникальных элементов в конкатенированном векторе [x;y]. unique функция выполняет точные сравнения и определяет, что некоторые значения в x не совсем равны значениям в y. Это те же самые элементы, которые имеют ненулевое различие в x-y. Таким образом, c содержит значения, которые являются дубликатами.

c = unique([x;y])

c = 8×1

    3.1416
    3.1416
    6.2832
    9.4248
   12.5664
   15.7080
   18.8496
   18.8496

Использовать uniquetol для выполнения сравнения с использованием небольшого допуска. uniquetol рассматривает элементы, находящиеся в пределах допуска, как равные.

C = uniquetol([x;y])

C = 6×1

    3.1416
    6.2832
    9.4248
   12.5664
   15.7080
   18.8496

По умолчанию uniquetol ищет уникальные элементы, которые находятся в пределах допуска, но также может найти уникальные строки матрицы, которые находятся в пределах допуска.

Создайте числовую матрицу, A. Получение второй матрицы, B, путем преобразования и нетрансформации A. Это преобразование вносит различия округления в B.

A = [0.05 0.11 0.18; 0.18 0.21 0.29; 0.34 0.36 0.41; 0.46 0.52 0.76];
B = log10(10.^A);

Использовать unique для поиска уникальных строк в A и B. unique функция выполняет точные сравнения и определяет, что все строки в конкатенированной матрице [A;B] уникальны, несмотря на то, что некоторые строки отличаются лишь на небольшую величину.

unique([A;B],'rows')

ans = 8×3

    0.0500    0.1100    0.1800
    0.0500    0.1100    0.1800
    0.1800    0.2100    0.2900
    0.1800    0.2100    0.2900
    0.3400    0.3600    0.4100
    0.3400    0.3600    0.4100
    0.4600    0.5200    0.7600
    0.4600    0.5200    0.7600

Использовать uniquetol для поиска уникальных строк. uniquetol обрабатывает строки, находящиеся в пределах допуска, как равные.

uniquetol([A;B],'ByRows',true)

ans = 4×3

    0.0500    0.1100    0.1800
    0.1800    0.2100    0.2900
    0.3400    0.3600    0.4100
    0.4600    0.5200    0.7600

Создайте вектор, x. Получить второй вектор, y, путем преобразования и нетрансформации x. Это преобразование вводит различия округления для некоторых элементов в y.

x = (1:5)'*pi;
y = 10.^log10(x);

Объединиться x и y в один вектор, A. Использовать uniquetol восстановить A, рассматривая значения, которые находятся в пределах допуска, как равные.

A = [x;y]

A = 10×1

    3.1416
    6.2832
    9.4248
   12.5664
   15.7080
    3.1416
    6.2832
    9.4248
   12.5664
   15.7080

[C,IA,IC] = uniquetol(A);
newA = C(IC)

newA = 10×1

    3.1416
    6.2832
    9.4248
   12.5664
   15.7080
    3.1416
    6.2832
    9.4248
   12.5664
   15.7080

Вы можете использовать newA с == или функции, которые используют точное равенство, как isequal или unique в последующем коде.

D1 = unique(A)

D1 = 6×1

    3.1416
    3.1416
    6.2832
    9.4248
   12.5664
   15.7080

D2 = unique(newA)

D2 = 5×1

    3.1416
    6.2832
    9.4248
   12.5664
   15.7080

Создание облака из 2-D точек-образцов с зависимостью нахождения внутри круга радиуса 0.5 по центру в точке $$(\frac{\mathrm{}}{\mathrm{}}\frac{\mathrm{}}{\mathrm{12,12}}$$).

x = rand(10000,2); 
insideCircle = sqrt((x(:,1)-.5).^2+(x(:,2)-.5).^2)<0.5;
y = x(insideCircle,:);

Найдите уменьшенный набор точек, чтобы каждая точка исходного набора данных находилась в пределах допуска точки.

tol = 0.05;
C = uniquetol(y,tol,'ByRows',true);

Постройте график уменьшенного набора точек в виде красных точек поверх исходного набора данных. Красные точки являются элементами исходного набора данных. Все красные точки - это, по крайней мере, расстояние tol особняком.

plot(y(:,1),y(:,2),'.')
hold on
axis equal
plot(C(:,1), C(:,2), '.r', 'MarkerSize', 10)

Создайте вектор случайных чисел и определите уникальные элементы с помощью допуска. Определить OutputAllIndices как true для возврата всех индексов элементов, находящихся в пределах допуска к уникальным значениям.

A = rand(100,1);
[C,IA] = uniquetol(A,1e-2,'OutputAllIndices',true);

Найти среднее значение элементов, находящихся в пределах допуска к значению C(2).

C(2)

ans = 0.0318

allA = A(IA{2})

allA = 3×1

    0.0357
    0.0318
    0.0344

aveA = mean(allA)

aveA = 0.0340

По умолчанию uniquetol использует проверку формы на допуск abs(u-v) <= tol*DS, где DS автоматически масштабируется на основе величины входных данных. Можно указать другое DS значение для использования с DataScale вариант. Однако абсолютные допуски (где DS является скаляром) не масштабировать на основе величины входных данных.

Сначала сравните два небольших значения, которые являются расстоянием eps особняком. Определить tol и DS для создания уравнения допуска в пределах: abs(u-v) <= 10^-6.

x = 0.1;
uniquetol([x, exp(log(x))], 10^-6, 'DataScale', 1)

ans = 0.1000

Затем увеличьте величину значений. Ошибка округления в расчете exp(log(x)) пропорционально величине значений, в частности eps(x). Несмотря на то, что два больших значения являются расстоянием eps друг от друга, eps(x) теперь намного больше. Поэтому 10^-6 больше не является подходящим допуском.

x = 10^10;
uniquetol([x, exp(log(x))], 10^-6, 'DataScale', 1)

ans = 1×2
1010 ×

    1.0000    1.0000

Исправьте эту проблему, используя значение по умолчанию (масштабированное), равное DS.

format long
Y = [0.1 10^10];
uniquetol([Y, exp(log(Y))])

ans = 1×2
1010 ×

   0.000000000010000   1.000000000000000

Создание набора случайных точек 2-D, а затем использование uniquetol для группирования точек по вертикальным полосам с аналогичной координатой x (в пределах допуска). Используйте эти опции с uniquetol:

A = rand(1000,2);
DS = [1 Inf];
[C,IA] = uniquetol(A, 0.1, 'ByRows', true, ...
    'OutputAllIndices', true, 'DataScale', DS);

Постройте график точек и среднего значения для каждой области данных.

hold on
for k = 1:length(IA)
    plot(A(IA{k},1), A(IA{k},2), '.')
    meanAi = mean(A(IA{k},:));
    plot(meanAi(1), meanAi(2), 'xr')
end