matlab正态分布标准化

在Matlab中，对数据进行正态分布标准化有两种常用方法。第一种是极值标准化方法，使用该方法可以将数据标准化到[0,1]的范围内。具体实现代码如下：

function out = mystand(A)
    out = [];
    n = size(A,1);
    minA = min(A);
    maxA = max(A);
    out = (A - repmat(minA,n,1)) ./ repmat(maxA - minA,n,1);
end

调用该函数时，可以将要进行标准化的数据作为输入参数传入，例如：

A = randn(20,20) * 2 + 1;
mystand(A);

该方法会返回一个标准化后的矩阵，使得所有的数据都落在[0,1]之间。

第二种方法是Z标准化，也称为z-score标准化。该方法基于数据的均值和标准差进行标准化，使得处理后的数据符合标准正态分布，即均值为0，标准差为1。具体实现代码如下：

function out = myzscore(A)
    temp = [];
    demesion = size(A);
    meanA = mean(A);
    stdA = std(A);
    for i = 1:numel(A)
        temp = [temp (A(i) - meanA) / stdA];
    end
    out = reshape(temp, demesion);
end

调用该函数时，同样将要进行标准化的数据作为输入参数传入，例如：

A = randn(20,20) * 2 + 1;
myzscore(A);

该方法会返回一个标准化后的矩阵，使得数据的均值为0，标准差为1。