标签：
为期三周的数学建模国赛培训昨天正式结束了，还是有一定的收获的，尤其是在MATLAB的使用上。
1. 一些MATLAB的基础性东西：
元胞数组的使用：http://blog.csdn.net/z1137730824/article/details/39206823
对于任意文件夹的同一格式的图片的批量读取：http://blog.csdn.net/haizimin/article/details/39646595
关于MATLAB在微分/偏微分方程以及其他高等数学问题中的应用。
关于MATLAB在优化问题的应用、自定义启发式贪心搜索算法以及智能优化算法的应用。
关于MATLAB在图像处理中的应用以及GUI的制作。
关于MATLAB在统计中的应用，以及与Excel的结合使用。
2. 在数学与统计中的应用
这部分是建模中的基础，也是MATLAB的强项所在。
其实很多的问题仅仅需要一个内置的函数就可以解决（dsolve，ode45，diff，kmeans，fminunc，anova1，var等），但是重点其实是理解背后的数学与统计背景，
这时就需要比较深厚的数学知识，现在来看，这方面我是比较欠缺的。尤其是对于统计这一块，方差分析、因子分析、主成分分析、回归分析，等等，都不是很熟悉。
所以其实函数要用到的时候临时查一下用法就行，重点还是背后数学功底的支撑。
3. 智能优化算法
在解优化问题时，MATLAB除了可以胜任Lingo所能做的所有工作外，在编写智能优化算法方面其实也特别有优势。
MATLAB的诸多智能算法工具箱已经足够强大，但是，很多时候我们还需要自己来编写智能算法的流程代码。
典型的有，遗传算法、神经网络、模拟退火，粒子群算法，元胞自动机等，这些算法最好有时间还是自己实现一遍，就用MATLAB写，也可以更深刻地理解其中的精髓所在。
4. 图像处理
第三次模拟之后又唤起了我对图像处理的兴趣。
而相比OpenCV来说，MATLAB对图像的处理与操作更方便简单，很多函数都是封装好的。
MATLAB对于图像的处理甚至是万能的：http://blog.csdn.net/iaiti/article/details/17094027。
针对我自己来说，必须先过一遍图像处理相关的理论知识，就看冈萨雷斯那本著名的教材，然后因为要练习C++的缘故，可以造一些自己认为有意义想要造的轮子。
其实归根到底，图像处理的精髓还是在数学，所以还是要夯实自己的数学功底。
然后进阶过程，就是结合OpenCV和MATLAB，在图像和视频处理这块，多做点有意思的玩意出来。
5. 其他
MATLAB的常用快捷键基本都熟悉了，程序设计中的逻辑能力也有了一定的提高。
不过相对于MATLAB的强大来讲，我现在仅仅是接触到了冰山一角而已，例如对于程序的运行效率问题，几乎从来没有考虑过。
就知道循环有时可以用向量化来提高效率，就是用fun系列的函数，例如：arrayfun。
MATLAB的学习，任重而道远。
标签：
原文地址：http://www.cnblogs.com/niuxichuan/p/5838402.html
