작성일: 2010. 11. 5. 15:33 |
벡터(Vector)
A2=[Ax,Ay] ;2차원 평면상의 벡터
A3=[Ax,Ay,Az] ;3차원 공간상의 벡터
벡터의 덧셈 - 두 값의 합
스칼라와 벡터의 곱 - 두 값의 곱
벡터의 내적 (미분 값을 내적한것 divergense, 미분 값을 외적한것 curl)
; a*b*cos@
; divergense = 0 외부로 혹은 내부로의 흐름이 없다는 의미 (제자리)
; curl = 어떤 방향으로 돌아가냐 지정
; 도트 프로덕트
dotproduct=tot(a*b)
벡터의 외적
; 크로스 프로덕트
crossp(a,b)
벡터의 길이와 단위 벡터
a=[1,9,5]
r=sqrt(total(a^2))
r2=norm(a)
두 벡터가 이루는 각
; 각도 = cos (a*b의 합 / 루트a + 루트b )
; norm함수의 역할 = 변수내의 제곱의 합의 루트 (a^2+b^2)^0.5
; acos = 아크 코사인
agl=acos(total(a*b)/norm(a)*norm(b))
degree=agl*!radeg
; 아크 코사인으로 두값을 통해 rad안 값을 구하고 이 rad값을 세타 값으로 변환한다.
Fitting & Signal 프로세싱
자연에는 노이즈가 많다.그렇기에 선형적인 관계로 존재한다.
어떤 선형 관계를 분석하는데, 이 관계가 정규성을 띈다는 보장은 없다.
그래서 이 과정을 좀더 보편하 하기 위해 선형화 과정을 필요로 한다.
이 작업을 피팅이라 한다.
Smoothing -> 어떤 관측된 값을 부드럽게 처리하는 기능
Interpolation:
Linear Regression
; a와 b는 선형회귀방법으로 구할 수 있고 상관 계수 r을 구할 수 있다.
; 곡선 및 다항식으로 피팅해주는 함수
; y=a+b*x + △
n=100
x=randomn(seed,n)
y=0.3*x+0.5*randomu(seed,n)
b=regress(x,y,const=a,correlation=r,/double,sigma=sig)
plot,x,y,psym=1
oplot,[-4.,4.],[a-b*4.,a+b*4.]
print, 'slope is : ', b, 'Constant is : ', a
print, 'Std : ', sig, 'Corr : ', r
; 선형 관계 외에도 곡선 및 다항식으로 피팅해주는 함수가 있다.
; curvefit, svdfit
Interpolation
유한한 개수의 자료의 연속적인 값을 구할때,
내삽 (주어진 값들의 사이)과 외삽(주어진 범위 바깥)의 값을 구하는데 쓴다.
; 인터폴레이션 함수 (선형 근사)
; linear, linear square fit, quadratic / 3pt average quadratic, spline
; 선형, 선형 근사, 다항함수 (4차까지) / 3포인트 인접점 , 둥글게 (커브효과)
