Matlab中的数据归一化

转自：[url=http://blog.sina.com.cn/s/blog_4aee288a0100ibt3.html] Matlab中的数据归一化[/url]
归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，且sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。归一化是统一在0-1之间的统计概率分布，当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。另外在数据中常存在奇异样本数据，奇异样本数据存在所引起的网络训练时间增加，并可能引起网络无法收敛。为了避免出现这种情况及后面数据处理的方便，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。

在matlab里面，用于归一化的方法共有三种：
（1）用matlab语言自己编程，通常使用的函数有以下几种：
1.线性函数转换，表达式如下：
y=(x-MinValue)/(MaxValue-MinValue) （归一到0 1 之间）
y=0.1+(x-min)/(max-min)*(0.9-0.1)（归一到0.1-0.9之间）
说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。
2.对数函数转换，表达式如下：
y=log10(x)
说明：以10为底的对数函数转换。
3.反余切函数转换，表达式如下：
y=atan(x)*2/PI

（2）premnmx、tramnmx、postmnmx、mapminmax
premnmx函数用于将网络的输入数据或输出数据进行归一化，归一化后的数据将分布在[-1,1]区间内。
premnmx语句的语法格式是：[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)，其