matlab中归一化的方法，并写出详细代码

在MATLAB中，归一化是一种数据预处理技术，用于将数值缩放到特定的范围内，通常是0到1之间。常见的归一化方法有三种：最小-最大规范化、z-score标准化和双线性归一化。

1. **最小-最大规范化（Min-Max Scaling）**:
这是最基本的归一化方法，通过计算变量的最大值和最小值，然后将每个值转换为新的范围。

function normalized_data = minMaxNormalization(data, new_min, new_max)
    min_val = min(data);
    max_val = max(data);
    normalized_data = (data - min_val) * (new_max - new_min) / (max_val - min_val) + new_min;
end

2. **Z-Score标准化（Standardization）**:
也称为零均值单位方差标准化，它将数据转化为均值为0，标准差为1的标准正态分布。

function normalized_data = zScoreNormalization(data)
    mean_val = mean(data);
    std_val = std(data);
    normalized_data = (data - mean_val) ./ std_val;
end

3. **双线性归一化（Double Linear Normalization）**:
将数据映射到[0,1]区间内，常用于图像处理。

function normalized_data = doubleLinearNormalization(data, a, b)
    normalized_data = (data - a) ./ (b - a);
end

在这个例子中，`a`和`b`是原数据集的最小值和最大值。

使用上述函数时，只需传入原始数据即可：

% 示例
original_data = [5, 10, 20, 30]; % 假设这是你要归一化的数据
normalized_data = minMaxNormalization(original_data, 0, 1); % 使用最小-最大规范化