MathWorks公司于16年推出了第二个版本专业数字软件—Matlab2016b(版本号Release 2016b)，新版增加了新的功能以简化MATLAB中的大数据处理过程，还包括了Simulink的其他新功能、一个新的工具箱Risk Management Toolbox以及其它83款产品的更新和问题修复。此外，Matlab2016b添加了一个时间表数据容器，用来索引和同步带时间戳的表格数据，增加了字符串数组，以便有效地操作、比较和存储文本数据，并为数据预处理添加其他新功能。
matlab 2016b版本新功能：
1、MATLAB产品系列更新包括：
· MATLAB：
o引入tall数组用于操作超过内存限制的过大数据
o引入时间表数据容器用于索引和同步带时间戳的表格数据
o增加在脚本中定义本地函数的功能以提高代码的重用性和可读性o通过使用MATLAB的Java API可以在Java程序中调用MATLAB代码
·MATLAB Mobile：通过在 MathWorks 云端的 iPhone 和 Android 传感器记录数据
· Database Toolbox：分享用于检索 Neo4j 数据的图形化数据库界面
· MATLAB Compiler：支持将 MATLAB 应用程序（包括tall数组）部署到 Spark 集群上
· Parallel Computing Toolbox：能够在您的台式机、装有 MATLAB Distributed Computing Server 的服务器、以及 Spark 集群上利用tall数组进行大数据并行处理
· Statistics and Machine Learning Toolbox：分享不受内存限制的大数据分析算法，包括降维、描述性统计、k-均值聚类、线性递归、逻辑递归和判别分析
· Statistics and Machine Learning Toolbox：分享可以自动调整机器学习算法参数的 Bayesian 优化算法以及可以选择机器学习模型特征的近邻成分分析（NCA）
· Statistics and Machine Learning Toolbox：支持使用 MATLAB Coder 自动生成实现SVM 和逻辑回归模型的C/C+代码
· Image Processing Toolbox：支持使用三维超像素的立体图像数据进行简单线性迭代聚类（SLIC）和三维中值滤波
· Computer Vision System Toolbox：使用基于区域的卷积神经网络深度学习算法（R-CNN）进行对象检测
· Risk Management Toolbox：一个新的工具箱用于开发风险模型和执行风险模拟
· ThingSpeak：能够从联网的传感器采集数据，并使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 分享的函数在云端进行 MATLAB 分析
2、Simulink 产品系列更新包括：
· Simulink：o使用 JIT 编译器提升在加速器模式下运行的仿真的性能
o能够初始化、重置并终止子系统，进行动态启动和关闭行为建模
o状态读取器和写入器模块可以从模型中的任何位置完全控制重置状态行为
o对 Raspberry Pi 3 和 Google Nexus 的硬件支持
· Simulink和Stateflow：简化参数和数据编辑的属性检查器、模型数据编辑器和符号管理器
· Simscape：新增了一个模块库，用于模拟理想气体、半理想气体以及实际气体系统
信号处理和通信更新包括：· Signal Processing Toolbox：可用于执行多时序的时域和频域分析的信号分析仪应用程序· Phased Array System Toolbox：针对空气传播和多路径传播对窄频和宽频信号的影响分享建模支持· WLAN System Toolbox：IEEE 802.11ah 支持和多用户 MIMO 接收机功能· Audio System Toolbox：音频插件托管功能，可在 MATLAB 中直接运行和测试 VST 插件
3、代码生成更新包括：
· Embedded Coder：
o交叉发布代码集成功能使得可以重用由较早版本生成的代码
o能够生成可用于任何软件环境的可插入式代码，包括动态启动和关闭行为
o支持仿真 AUTOSAR 基础软件，包括 Diagnostic Event Manager（DEM）和 NVRAM Manager（NvM）
· HDL Coder：根据设定的目标时钟频率，以寄存器插入方式自适应流水化，以及可用于显示和分析转换和状态的逻辑分析仪（搭配使用 DSP System Toolbox）
4、验证和确认更新包括：
· Simulink Verification and Validation：Edit-time checking功能，可帮助在设计时发现并修复标准合规性问题
· Simulink Test：用于进行测试评估的自定义标准的定义功能
· HDL Verifier：FPGA 数据采集功能，用于探测要在 MATLAB 或 Simulink 中进行分析的内部 FPGA 信号
· Polyspace Bug Finder：支持 CERT C 编码规范，以用于网络安全漏洞检测
更新内容:
版本亮点包括：
获取数据：增加时间表数据容器、字符串数组，以及其它用于数据预处理的新功能。
机器学习：更快地训练模型，使用大数据，并从模型生成 C/C++ 代码。
Simulink：Just-in-time可使得在加速器模式下运行仿真时实现性能提升。
具体产品更新：
引入tall数组用于操作超过内存限制的过大数据
引入时间表数据容器用于索引和同步带时间戳的表格数据
增加能够在脚本中定义本地函数的功能以提高，改进代码的重用性和可读性
通过在 MathWorks 云端的 iPhone 和 Android 传感器记录数据
Database Toolbox
分享用于检索 Neo4j 数据的图形化数据库界面
Parallel Computing Toolbox
Statistics and Machine Learning Toolbox
分享不受内存限制的大数据分析算法，包括降维、描述性统计、k-均值聚类、线性递归、逻辑递归和判别分析
分享可以自动调整机器学习算法参数的 Bayesian 优化算法以及可以选择机器学习模型特征的近邻成分分析 (NCA)
Image Processing Toolbox
支持使用三维超像素的立体图像数据进行简单线性迭代聚类 (SLIC) 和三维中值滤波
Computer Vision System Toolbox
使用深度学习的区域卷积神经网络 (R-CNN) 进行对象检测
Risk Management Toolbox
一个新的工具箱用于开发风险模型和执行风险模拟
ThingSpeak
能够从联网的传感器采集数据，并使用由 Statistics and Machine Learning Toolbox、Signal Processing Toolbox、Curve Fitting Toolbox 和 Mapping Toolbox 分享的函数在云端进行 MATLAB 分析
Simulink家族产品系列包括：
Simulink
能够初始化、重置并终止子系统，进行动态启动和关闭行为建模
状态读取器和写入器模块可以从模型中的任何位置完全控制重置状态行为
对 Raspberry Pi 3 和 Google Nexus 的硬件支持
Simulink和Stateflow
简化参数和数据编辑的属性检查器、模型数据编辑器和符号管理器
Simscape
新增了一个模块库，用于模拟理想气体、半理想气体以及实际气体系统
信号处理和通信更新包括：
Signal Processing Toolbox
可用于执行多时序的时域和频域分析的信号分析仪应用程序
Phased Array System Toolbox
针对空气传播和多路径传播对窄频和宽频信号的影响分享建模支持
WLAN System Toolbox
IEEE 802.11ah 支持和多用户 MIMO 接收机功能
Audio System Toolbox
代码生成更新包括：
Embedded Coder
交叉发布代码集成功能使得可以重用由较早版本生成的代码
能够生成可用于任何软件环境的可插入式代码，包括动态启动和关闭行为
支持仿真 AUTOSAR 基础软件，包括 Diagnostic Event Manager (DEM) 和 NVRAM Manager (NvM)
HDL Coder
根据设定的目标时钟频率, 以寄存器插入方式自适应流水化,以及可用于显示和分析转换和状态的逻辑分析仪（搭配使用 DSP System Toolbox）
验证和确认更新包括：
Simulink Verification and Validation
Edit-time checking功能，可帮助在设计时发现并修复标准合规性问题
Simulink Test
用于进行测试评估的自定义标准的定义功能
HDL Verifier
Polyspace Bug Finder
支持 CERT C 编码规范，以用于网络安全漏洞检测
如何定义向量
1、预置（preallocation）是编写程序比较重要的一个因素，在数组比较大的时候，是否进行预置程序运行时间相差几十倍甚至几百几千倍都很常见。所以使用
A=zero(1,n);
或者
A=zero(n,1);
进行预置通常很重要（如果n不大倒可以不做）。
2、提高程序效率的另一个要点是向量化（Vectorization）代替显式循环。向量化表达式主要使用点运算操作符。例如，就楼主的问题而言，可以很简单的写成
A=x.^(1:n);
下载仅供下载体验和测试学习，不得商用和正当使用。
下载体验