二分搜索算法是利用什么实现的算法

二分搜索算法是利用删减实现的算法。

二分搜索的搜索过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜索过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空，则代表找不到。

二分搜索算法的应用

二分搜索是一种在有序数组中查找某一特定元素的搜索算法，这种搜索算法每一次比较都使搜索范围缩小一半。不过，因为有序数组的顺序性，将二分搜索算法扩展到能适用大致匹配并不是很重要。

举例来说，二分搜索算法可以用来计算一个赋值的排名（或称秩，比它更小的元素的数量）、前趋（下一个最小元素）、后继（下一个最大元素）以及最近邻。搜索两个值之间的元素数目的范围查询可以借由两个排名查询（又称秩查询）来运行。

假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。

重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。

看看这个能不能帮到你：

Matlab中插值函数汇总和使用说明 :

MATLAB中的插值函数为interp1，其调用格式为：

yi= interp1(x,y,xi,'method')

其中x，y为插值点，yi为在被插值点xi处的插值结果；x,y为向量， 'method'表示采用的插值方法，

MATLAB提供的插值方法有几种：

'nearest'是最邻近插值， 'linear'线性插值； 'spline'三次样条插值； 'cubic'立方插值．缺省时表示线性插值。

注意：所有的插值方法都要求x是单调的，并且xi不能够超过x的范围。

例如：在一 天24小时内，从零点开始每间隔2小时测得的环境温度数据分别为

12，9，9，10，18 ，24，28，27，25，20，18，15，13，

推测中午12点（即13点）时的温度．

x=0:2:24;

y=[12 9 9 10 18 24 28 27 25 20 18

15 13];

a=13;

y1=interp1(x,y,a,'spline')

结果为： 278725

若要得到一天24小时的温度曲线，则：

xi=0:1/3600:24;

yi=interp1(x,y,xi, 'spline');

plot(x,y,'o' ,xi,yi)

命令1

interp1

功能

一维数据插值（表格查找）。该命令对数据点之间计算内插值。它找出一元函数f(x)在中间点的数值。其中函数f(x)由所给数据决定。

x：原始数据点

Y：原始数据点

xi：插值点

Yi：插值点

格式

(1)yi = interp1(x,Y,xi)

返回插值向量yi，每一元素对应于参量xi，同时由向量x

与Y 的内插值决定。参量x 指定数据Y 的点。

若Y

为一矩阵，则按Y 的每列计算。yi 是阶数为length(xi)size(Y,2)的输出矩阵。

(2)yi = interp1(Y,xi)

假定x=1:N，其中N

为向量Y 的长度，或者为矩阵Y 的行数。

(3)yi = interp1(x,Y,xi,method)

用指定的算法计算插值：

’nearest’：最近邻点插值，直接完成计算；

’linear’：线性插值（缺省方式），直接完成计算；

’spline’：三次样条函数插值。对于该方法，命令interp1

调用函数spline、ppval、mkpp、umkpp。这些命令生成一系列用于分段多项式 *** 作的函数。命令spline

用它们执行三次样条函数插值；

’pchip’：分段三次Hermite

插值。对于该方法，命令interp1 调用函数pchip，用于对向量x 与y 执行分段三次内插值。该方法保留单调性与数据的外形；

’cubic’：与’pchip’ *** 作相同；

’v5cubic’：在MATLAB

50 中的三次插值。

对于超出x

范围的xi 的分量，使用方法’nearest’、’linear’、’v5cubic’的插值算法，相应地将返回NaN。对其他的方法，interp1

将对超出的分量执行外插值算法。

(4)yi = interp1(x,Y,xi,method,'extrap')

对于超出x

范围的xi 中的分量将执行特殊的外插值法extrap。

(5)yi = interp1(x,Y,xi,method,extrapval)

确定超出x

范围的xi 中的分量的外插值extrapval，其值通常取NaN 或0。

例1

>>x = 0:10; y =

xsin(x);

>>xx = 0:25:10; yy =

interp1(x,y,xx);

>>plot(x,y,'kd',xx,yy)

例2

>> year =

1900:10:2010;

>> product = [75995

91972 105711 123203 131669 150697 179323 203212 226505

249633 256344 267893

];

>>p1995 =

interp1(year,product,1995)

>>x =

1900:1:2010;

>>y =

interp1(year,product,x,'pchip');

>>plot(year,product,'o',x,y)

插值结果为：

p1995 =

2529885

命令2

interp2

功能

二维数据内插值（表格查找）

格式

(1)ZI

= interp2(X,Y,Z,XI,YI)

返回矩阵ZI，其元素包含对应于参量XI

与YI（可以是向量、或同型矩阵） 的元素， 即Zi(i,j) ←[Xi(i,j),yi(i,j)]。用户可以输入行向量和列向量Xi 与Yi，此时，输出向量Zi

与矩阵meshgrid(xi,yi)是同型的。同时取决于由输入矩阵X、Y 与Z 确定的二维函数Z=f(X,Y)。参量X 与Y

必须是单调的，且相同的划分格式，就像由命令meshgrid 生成的一样。若Xi与Yi 中有在X 与Y范围之外的点，则相应地返回nan（Not a

Number）。

(2)ZI

= interp2(Z,XI,YI)

缺省地，X=1:n、Y=1:m，其中[m,n]=size(Z)。再按第一种情形进行计算。

(3)ZI

= interp2(Z,n)

作n

次递归计算，在Z 的每两个元素之间插入它们的二维插值，这样，Z 的阶数将不断增加。interp2(Z)等价于interp2(z,1)。

(4)ZI

= interp2(X,Y,Z,XI,YI,method)

用指定的算法method

计算二维插值：

’linear’：双线性插值算法（缺省算法）；

’nearest’：最临近插值；

’spline’：三次样条插值；

’cubic’：双三次插值。

例3：

>>[X,Y] =

meshgrid(-3:25:3);

>>Z = peaks(X,Y);

>>[XI,YI] =

meshgrid(-3:125:3);

>>ZZ =

interp2(X,Y,Z,XI,YI);

>>surfl(X,Y,Z);hold

on;

>>surfl(XI,YI,ZZ+15)

>>axis([-3 3 -3 3 -5

20]);shading flat

>>hold

off

例4：

>>years =

1950:10:1990;

>>service =

10:10:30;

>>wage = [150697

199592 187625

179323 195072 250287

203212 179092 322767

226505 153706 426730

249633 120281

598243];

>>w =

interp2(service,years,wage,15,1975)

插值结果为：

w =

1906288

命令3

interp3

功能

三维数据插值（查表）

格式

(1)VI

= interp3(X,Y,Z,V,XI,YI,ZI)

找出由参量X,Y,Z决定的三元函数V=V(X,Y,Z)在点（XI,YI,ZI）的值。参量XI,YI,ZI

是同型阵列或向量。若向量参量XI,YI,ZI 是不同长度，不同方向（行或列）的向量，这时输出参量VI 与Y1,Y2,Y3 为同型矩阵。其中Y1,Y2,Y3

为用命令meshgrid(XI,YI,ZI)生成的同型阵列。若插值点(XI,YI,ZI)中有位于点(X,Y,Z)之外的点，则相应地返回特殊变量值NaN。

(2)VI

= interp3(V,XI,YI,ZI)

缺省地，

X=1:N ，Y=1:M， Z=1：P ，其中，[M,N,P]=size(V)，再按上面的情形计算。

(3)VI

= interp3(V,n)

作n

次递归计算，在V 的每两个元素之间插入它们的三维插值。这样，V 的阶数将不断增加。interp3(V)等价于interp3(V,1)。

(4)VI

= interp3(,method) %用指定的算法method 作插值计算：

‘linear’：线性插值（缺省算法）；

‘cubic’：三次插值；

‘spline’：三次样条插值；

‘nearest’：最邻近插值。

说明

在所有的算法中，都要求X,Y,Z 是单调且有相同的格点形式。当X,Y,Z

是等距且单调时，用算法’linear’，’cubic’，’nearest’，可得到快速插值。

例5

>>[x,y,z,v] =

flow(20);

>>[xx,yy,zz] =

meshgrid(1:25:10, -3:25:3, -3:25:3);

>>vv =

interp3(x,y,z,v,xx,yy,zz);

>>slice(xx,yy,zz,vv,[6

95],[1 2],[-2 2]); shading interp;colormap

cool

命令4

interpft

功能

用快速Fourier 算法作一维插值

格式

(1)y

= interpft(x,n)

返回包含周期函数x

在重采样的n 个等距的点的插值y。若length(x)=m，且x 有采样间隔dx，则新的y 的采样间隔dy=dxm/n。注意的是必须n≥m。若x

为一矩阵，则按x 的列进行计算。返回的矩阵y 有与x 相同的列数，但有n 行。

(2)y

= interpft(x,n,dim)

沿着指定的方向dim

进行计算

命令5

griddata

功能

数据格点

格式

(1)ZI

= griddata(x,y,z,XI,YI)

用二元函数z=f(x,y)的曲面拟合有不规则的数据向量x,y,z。griddata

将返回曲面z 在点（XI,YI）处的插值。曲面总是经过这些数据点（x,y,z）的。输入参量（XI,YI）通常是规则的格点（像用命令meshgrid

生成的一样）。XI 可以是一行向量，这时XI 指定一有常数列向量的矩阵。类似地，YI 可以是一列向量，它指定一有常数行向量的矩阵。

(2)[XI,YI,ZI]

= griddata(x,y,z,xi,yi)

返回的矩阵ZI

含义同上，同时，返回的矩阵XI,YI 是由行向量xi 与列向量yi 用命令meshgrid 生成的。

(3)[XI,YI,ZI]

= griddata(,method)

用指定的算法method

计算：

‘linear’：基于三角形的线性插值（缺省算法）；

‘cubic’：

基于三角形的三次插值；

‘nearest’：最邻近插值法；

‘v4’：MATLAB

4 中的griddata 算法。

命令6

spline

功能

三次样条数据插值

格式

(1)yy

= spline(x,y,xx)

对于给定的离散的测量数据x,y（称为断点），要寻找一个三项多项式y

= p(x) ，以逼近每对数据(x,y)点间的曲线。过两点(xi, yi) 和(xi+1, yi+1)

只能确定一条直线，而通过一点的三次多项式曲线有无穷多条。为使通过中间断点的三次多项式曲线具有唯一性，要增加两个条件（因为三次多项式有4

个系数）：

a．三次多项式在点(xi,

yi) 处有： p¢i(xi) = p¢i(xi) ；

b．三次多项式在点(xi+1,

yi+1) 处有： p¢i(xi+1) = pi¢(xi+1) ；

c．p(x)在点(xi,

yi) 处的斜率是连续的（为了使三次多项式具有良好的解析性，加上的条件）；

d．p(x)在点(xi,

yi) 处的曲率是连续的；

对于第一个和最后一个多项式，人为地规定如下条件：

①．

p¢1¢(x) = p¢2¢(x)

②．

p¢n¢(x) = p¢n¢-1(x)

上述两个条件称为非结点(not-a-knot)条件。综合上述内容，可知对数据拟合的三次样条函数p(x)是一个分段的三次多项式：

ï

ïî

ï

ïí

ì

£

£

£

£

£

£

=

n

n n+1

2

2 3

1

1 2

p

(x) x x x

p

(x) x x x

p

(x) x x x

p(x)

L

L L L

其中每段pi(x)

都是三次多项式。

该命令用三次样条插值计算出由向量x

与y 确定的一元函数y=f(x)在点xx 处的值。若参量y 是一矩阵，则以y 的每一列和x 配对，再分别计算由它们确定的函数在点xx 处的值。则yy

是一阶数为length(xx)size(y,2)的矩阵。

(2)pp

= spline(x,y)

返回由向量x

与y 确定的分段样条多项式的系数矩阵pp，它可用于命令ppval、unmkpp 的计算。

例6

对离散地分布在y=exp(x)sin(x)函数曲线上的数据点进行样条插值计算：

>>x = [0 2 4 5 8 12 128

172 199 20]; y = exp(x)sin(x);

>>xx = 0:25:20;

>>yy =

spline(x,y,xx);

>>plot(x,y,'o',xx,yy)

命令7

interpn

功能

n 维数据插值（查表）

格式

(1)VI

= interpn(X1,X2,,,Xn,V,Y1,Y2,,Yn) %返回由参量X1,X2,…,Xn,V 确定的n

元函数V=V(X1,X2,…,Xn)在点（Y1,Y2,…,Yn）处的插值。参量Y1,Y2,…,Yn 是同型的矩阵或向量。若Y1,Y2,…,Yn

是向量，则可以

是不同长度，不同方向（行或列）的向量。它们将通过命令ndgrid生成同型的矩阵，

再作计算。若点(Y1,Y2,…,Yn) 中有位于点（X1,X2,…,Xn）之外的点，则相应地返回特殊变量NaN。

VI

= interpn(V,Y1,Y2,,Yn) %缺省地，X1=1:size(V,1)，X2=1:size(V,2)，… ，

Xn=1:size(V,n)，再按上面的情形计算。

VI

= interpn(V,ntimes) %作ntimes 次递归计算，在V 的每两个元素之间插入它们的n 维插值。这样，V

的阶数将不断增加。interpn(V)

等价于interpn(V,

1)。

VI

= interpn(,method) %用指定的算法method 计算：

‘linear’：线性插值（缺省算法）；

‘cubic’：三次插值；

‘spline’：三次样条插值法；

‘nearest’：最邻近插值算法。

命令8

meshgrid

功能

生成用于画三维图形的矩阵数据。

格式

[X,Y] = meshgrid(x,y) 将由向量x，y（可以是不同方向的）指定的区域[min(x)，max(x) ， min(y) ， max(y)]

用直线x=x(i),y=y(j) （ i=1,2,…,length(x)

，j=1,2,…,length(y)）进行划分。这样，得到了length(x)length(y)个点，

这些点的横坐标用矩阵X

表示，X 的每个行向量与向量x 相同；这些点的纵坐标用矩阵Y 表示，Y 的每个列向量与向量y 相同。其中X,Y可用于计算二元函数z=f(x,y)与三维图形中xy

平面矩形定义域的划分或

曲面作图。

[X,Y]

= meshgrid(x) %等价于[X,Y]=meshgrid(x,x)。

[X,Y,Z]

= meshgrid(x,y,z) %生成三维阵列X,Y,Z，用于计算三元函数v=f(x,y,z)或三维容积图。

例7

[X,Y] =

meshgrid(1:3,10:14)

计算结果为：

X =

1 2 3

1 2 3

1 2 3

1 2 3

1 2 3

Y =

10 10 10

11 11 11

12 12 12

13 13 13

14 14

14

命令9

ndgrid

功能

生成用于多维函数计算或多维插值用的阵列

格式

[X1,X2,…,Xn] = ndgrid(x1,x2,…,xn) %把通过向量x1,x2,x3…,xn 指定的区域转换为数组x1,x2,x3,…,xn

。这样， 得到了 length(x1)length(x2)…length(xn)个点，这些点的第一维坐标用矩阵X1 表

示，X1

的每个第一维向量与向量x1 相同；这些点的第二维坐标用矩阵X2 表示，X2 的每个第二维向量与向量x2 相同；如此等等。

其中X1,X2,…,Xn

可用于计算多元函数y=f(x1,x2,…,xn)以及多维插值命令用到的阵列。

[X1,X2,…,Xn]

= ndgrid(x) %等价于[X1,X2,…,Xn] = ndgrid(x,x,…,x)

命令10

table1

功能

一维查表

格式

Y = table1(TAB,X0) %返回用表格矩阵TAB 中的行线性插值元素，对X0（TAB的第一列查找X0）进行线性插值得到的结果Y。矩阵TAB

是第一列包含

关键值，而其他列包含数据的矩阵。X0

中的每一元素将相应地返回一线性插值行向量。矩阵TAB 的第一列必须是单调的。

例8

>>tab = [(1:4)'

hilb(4)]

>>y = table1(tab,[1 23

36 4])

查表结果为：

>>tab = [(1:4)'

hilb(4)]

>>y = table1(tab,[1 23

36 4])

某些替代式固溶体，当温度甚低时，不同种类的原子在点阵位置上呈规则的周期性排列，称有序相，而在某一温度以上，这种规律性就完全不存在了，称无序相。固溶体在这一温度（称为相变温度或居里点）发生的这种排列的规律性的产生或丧失，同时伴有结构的对称性的变化，被称为有序—无序相变。例如，对于具有相同原子数的CuZn合金,在460℃以上为体心立方的无序结构，即两种原子占据任一阵点的几率相同;当温度降到460℃时，则开始有较多的Zn原子占据了体心的位置，称部分有序；而当温度甚低时，则所有的Zn原子全部占据了体心位置，成为简单立方的有序结构了。这种有序结构又称为无序结构的超结构。某些三元合金也有类似的情形。

原子在点阵位置上的分布情况常用序参量表示，它表示出在任意距离的两个位置上原子分布的相关性。当此二位置处在有限距离时的序参量称为短程序。当此二位置间的距离无限大时，则称为长程序。如对CuZn合金，长程序与占据了晶胞中心的Zn原子的百分数成正比,最近邻短程序与最近邻的Zn－Cu原子对的百分数成正比。序参量是温度的函数，在一般情况下,在完全有序时,它趋于1；在完全无序时,它为零。附图表示及随温度变化的两种情况。由图可知，在相变点，长程序可以跳跃地或连续地变为零，它们分别对应于一级相变及二级相变（见固体中的相变）。而在相变点以上，却仍然存在有一定的短程序。这种在相变点以上存在的具有一定的短程序的小区域，是某些固溶体在相变点以下发生的有序化过程的核心,且当这样的两个有序区域长大而相接触时,则有可能形成反相畴（见面缺陷）。

有序－无序相变

X 射线、中子和电子衍射和漫散射是研究有序－无序相变的最通常而最有效的方法。此外，相变可导致物理性质如比热容、电阻率、d性常数、磁性和范性等的变化，这些性质的测量以及显微观察等都可用于研究这个相变过程。

有序—无序相变是合作现象中较简单的一种，对这种相变进行了各种方法和各种近似程度的计算。这些研究又被其他类型的如填隙式固溶体的有序—无序相变、有序—无序型的铁电相变以及铁磁相变等理论所借鉴。现在，有序—无序相变的内容已推广包括了位置的、分子取向的和电子或核自旋的有序—无序相变等三种情形。并且，由于临界现象的研究吸引了人们的很大兴趣，有序—无序相变这一长期被研究着的课题仍然受到注意。

我有个作业是这，程序添加了些注释，希望对你有帮助~

clear all;

allsamples=[];

for i=1:20

for j=1:5

a=imread(strcat('ORL\s',num2str(i),'\',num2str(j),'bmp')); %读取人脸图像

b=a(1:11292); %将图像数据转为一行

b=double(b);

allsamples=[allsamples; b]; %将所有图像205，组成数组

end

end

%用PCA方法进行特征提取

samplemean=mean(allsamples); %求均值

for i=1:100

xmean(i,:)=allsamples(i,:)-samplemean;

end;

sigma=xmeanxmean'; %协方差矩阵

[v d]=eig(sigma); %求矩阵特征值和特征向量

d1=diag(d); %特征值的对角阵

[d2 index]=sort(d1); %对对角阵的值排序

cols=size(v,2); %特征向量的行数值

for i=1:cols

vsort(:,i) = v(:, index(cols-i+1) ); %对特征值和特征向量进行排序

dsort(i) = d1( index(cols-i+1) );

end

%选择90%的能量

dsum = sum(dsort);

dsum_extract = 0;

p = 0;

while( dsum_extract/dsum < 09)

p = p + 1;

dsum_extract = sum(dsort(1:p));

end

i=1;

while (i<=p && dsort(i)>0)

base(:,i) = xmean' vsort(:,i); %构成投影矩阵

i = i + 1;

end

allcoor = allsamples base; %构成训练集的特征矩阵

clc

[filename,pathname]=uigetfile('','Select image'); %选择图像

[img,map]=imread(strcat(pathname,filename));

b=img(1:10304);

b=double(b);

tcoor= b base; %构成测试集的特征矩阵

for k=1:100

mdist(k)=norm(tcoor-allcoor(k,:));

end;

%最近邻方法

[dist,index2]=sort(mdist);

class=floor( index2(1)/5 )+1; %求所属分类

disp(class);

subplot(1,2,1),imshow(img); %输出分类图像

filename = sprintf('ORL\\s%d\\1bmp',class);

I=imread(filename);

subplot(1,2,2),imshow(I);

例如：使用文本界面

这里是一个例子，使用文本界面。图形界面足够的用途，所以你不可能使用文本界面。然而，看一看，现有的算法列表，以下。

##加载数据集

>>负荷数据/云

>>谁

名称的大小字节级

distribution_parameters欧盘1464结构数组

模式2x500080000双阵列

目标1x500040000双阵列

总计为15076个元素使用121464个字节

数据集存储在变量中，模式和目标。

##选择试验方法，训练数据和测试数据

%使画根据错误的选择方法

>>=长度（目标）；

%=20；

[test_indices，train_indices]=make_a_draw（楼（%/100 我），我）；

train_patterns=模式（train_indices：，）；

train_targets=目标（：，train_indices）；

test_patterns=模式（test_indices：，）；

test_targets=目标（：，test_indices）；

##选择分类器。找出参数使用帮助<分类器名称>

>>帮助nearest_neighbor

利用最近邻算法分类

输入：

train_patterns-训练模式

train_targets-训练目标

test_patterns-测试模式

最近邻-邻居数

输出

test_targets-预测目标

##建立分类和分类数据

>>test_out=nearest_neighbor（train_patterns，train_targets，test_patterns，3）；

##估计误差

>>=平均（test_targets~=test_out）

误差=

01313

以上就是关于二分搜索算法是利用什么实现的算法全部的内容，包括:二分搜索算法是利用什么实现的算法、MATLAB编程 得出MATLAB人机交互界面，通过人机交互插入一组数据，用MATLAB拟合这组数、如何利用比热研究有序，无序转变等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！