merge (iddata)
Объедините наборы данных в объект iddata
Синтаксис
dat = merge(dat1,dat2,....,datN)
Описание
dat собирает наборы данных в dat1, ...,datN в один iddata объект, с несколькими экспериментами. Количество экспериментов в dat будет сумма количества экспериментов в datk. Для того чтобы слияние было разрешено, необходимо выполнить ряд условий:
Все
datkдолжны иметь одинаковое количество входных каналов иInputNamesдолжно быть то же самое.Все
datkдолжны иметь одинаковое количество выходных каналов иOutputNamesдолжно быть то же самое. Если в одном эксперименте отсутствует какой-либо входной или выходной канал, он может быть заменен векторомNaNs, чтобы соответствовать этим правилам.Если на
ExperimentNamesотdatkбыли заданы как нечто иное, чем значение по умолчанию'Exp1','Exp2'и т.д., все они должны быть уникальными. Если имена по умолчанию перекрываются, они изменяются так, чтоdatбудет иметь список уникальныхExperimentNames.
Интервалы дискретизации, количество наблюдений и входные свойства (Period, InterSample) может отличаться в различных экспериментах.
Извлечь отдельные эксперименты можно с помощью команды getexp. Можно также извлечь их путем субреференции с четвертым индексом.
dat1 = dat(:,:,:,ExperimentNumber)
или
dat1 = dat(:,:,:,ExperimentName)
Хранение нескольких экспериментов как одного iddata объект может быть очень полезным для обработки экспериментальных данных, которые были собраны в различных случаях, или когда набор данных был разделен, чтобы удалить «плохие » фрагменты данных. Все стандартные программы тулбокса принимают данные нескольких экспериментов.
Примеры
Объединение нескольких наборов данных
Удалите плохие фрагменты данных для оценки моделей без плохих данных, уничтожающих оценку.
load iddemo8;
plot(dat);
Плохие фрагменты данных обнаруживаются вокруг 250 выборки, чтобы 280 и между выборками, 600 и 650. Вырезайте эти плохие фрагменты, чтобы сформировать набор данных с несколькими экспериментами и объединить данные.
dat = merge(dat(1:250),dat(281:600),dat(651:1000));
Можно использовать первые два эксперимента для оценки модели и третий эксперимент для валидации модели.
dat_est = getexp(dat,[1,2]); m = ssest(dat_est,2); dat_val = getexp(dat,3);