matlab混淆矩阵为c，C=C.NormalizedValues;

在 MATLAB 中，混淆矩阵可以用于评估分类器的性能。假设你已经计算出了一个混淆矩阵 `c`，你可以使用以下代码将其归一化并可视化：

% 计算混淆矩阵的行和列总和
row_sum = sum(c, 2);
col_sum = sum(c, 1);
total_sum = sum(row_sum);

% 将混淆矩阵归一化
C = c / total_sum;

% 可视化混淆矩阵
imagesc(C);
colorbar;
axis square;
title('Normalized Confusion Matrix');
xlabel('Predicted Label');
ylabel('True Label');

上述代码中，我们首先计算了混淆矩阵的行和列总和，然后将混淆矩阵归一化。归一化后的混淆矩阵 `C` 的元素表示每个分类的预测结果与实际结果之间的比例。我们使用 `imagesc` 函数将归一化的混淆矩阵可视化为热力图，并使用 `colorbar` 函数添加颜色条。`axis square` 函数用于设置坐标轴比例为 1:1，`title` 函数用于添加标题，`xlabel` 和 `ylabel` 函数用于添加坐标轴标签。

最后，`C.NormalizedValues` 不是一个 MATLAB 内置的语法，可能是 `C` 对象中的一个属性或者方法。根据变量 `C` 的类型，其可能是一个结构体、对象或者表格。如果 `C` 是一个表格，那么 `NormalizedValues` 可能是一个表格属性，用于存储归一化后的值。如果 `C` 是一个对象，那么 `NormalizedValues` 可能是一个对象的属性或方法，用于存储或计算归一化后的值。