创建一个向量x．获得第二个向量y通过转化和非转化x．此转换引入舍入差异y．

x =(1:6) *π;y = 10 ^ log10 (x);

验证x而且y通过取差就不相同了。

x - y

ans =6×110-14年× 0.0444 0 0 0 0 -0.3553

使用独特的找出连接向量中唯一的元素(x, y)．的独特的函数执行精确比较，并确定中的某些值x不完全等于in的值y．这些相同的元素有非零的差异x - y．因此,c包含值出现是重复的。

c =独特((x, y))

c =8×13.1416 3.1416 6.2832 9.4248 12.5664 15.7080 18.8496 18.8496

使用uniquetol使用小公差进行比较。uniquetol平等对待在可容忍范围内的元素。

C = uniquetol ((x, y))

C =6×13.1416 6.2832 9.4248 12.5664 15.7080 18.8496

默认情况下,uniquetol寻找独特的元素那是在容忍之内，但也能找到独特行在公差范围内的矩阵。

创建一个数字矩阵，一个．得到第二个矩阵，B通过转化和非转化一个．此转换引入舍入差异到B．

A = [0.05 0.11 0.18;0.18 0.21 0.29;0.34 0.36 0.41;0.46 0.52 0.76);B = log10 (10 ^);

使用独特的找到唯一的行一个而且B．的独特的函数执行精确比较，并确定连接矩阵中的所有行[A, B]是惟一的，即使有些行只相差很小。

独特的([A, B],“行”）

ans =8×30.0500 0.1100 0.1800 0.0500 0.1100 0.1800 0.2100 0.2900 0.1800 0.2100 0.2900 0.3400 0.3600 0.4100 0.4100 0.5200 0.7600 0.4600 0.5200 0.7600

使用uniquetol找到唯一的行。uniquetol将在容忍范围内的行一视同仁。

uniquetol ([A, B],“ByRows”,真正的)

ans =4×30.0500 0.1100 0.1800 0.1800 0.2100 0.2900 0.3400 0.3600 0.4100 0.4600 0.5200 0.7600

创建一个向量,x．得到第二个向量，y通过转化和非转化x．中的某些元素引入舍入差异y．

x =(1:5) *π;y = 10 ^ log10 (x);

结合x而且y变成一个向量，一个．使用uniquetol重建一个在容忍范围内的价值观是平等的。

= (x, y)

一个=10×13.1416 6.2832 9.4248 12.5664 15.7080 3.1416 6.2832 9.4248 12.5664 15.7080

[C IA IC] = uniquetol(一个);newA = C(集成电路)

newA =10×13.1416 6.2832 9.4248 12.5664 15.7080 3.1416 6.2832 9.4248 12.5664 15.7080

您可以使用newA与＝＝或者使用完全相等的函数isequal或独特的在随后的代码。

D1 =独特(A)

D1 =6×13.1416 3.1416 6.2832 9.4248 12.5664 15.7080

D2 =独特(newA)

D2 =5×13.1416 6.2832 9.4248 12.5664 15.7080

创建二维样本点云，限制在半径的圆内0．5以点为中心 $$（\frac{1}{2}，\frac{1}{2}）$$．

x =兰德(10000 2);insideCircle =√(x(: 1)闲置)^ 2 + (x(:, 2)闲置)^ 2)< 0.5;y = x (insideCircle:);

找到一个简化的点集，使原始数据集的每个点都在一个点的容错范围内。

托尔= 0.05;C = uniquetol (y,托尔,“ByRows”,真正的);

在原始数据集的顶部用红点绘制减少的点集。红点是原始数据集的所有成员。所有的红点都至少有一段距离托尔分开。

情节(y (: 1), y (:, 2),“。”)举行在轴平等的情节(C (: 1), C (:, 2),“r”，“MarkerSize”, 10)

创建一个随机数向量，并使用公差确定唯一元素。指定OutputAllIndices作为真正的返回在唯一值允许范围内的元素的所有索引。

一个=兰德(100 1);[C IA] = uniquetol(1飞行,“OutputAllIndices”,真正的);

求出在该值公差范围内的元素的平均值C (2)．

C (2)

ans = 0.0318

真主安拉= (IA {2})

真主安拉=3×10.0357 0.0318 0.0344

aveA =意味着(真主安拉)

aveA = 0.0340

默认情况下,uniquetol使用窗体的公差测试abs (uv) < = tol * DS,在那里DS自动尺度根据输入数据的大小。您可以指定不同的DS的值一起使用DataScale选择。然而，绝对公差(其中DS是一个标量)，不根据输入数据的大小进行缩放。

首先，比较两个小的距离值每股收益分开。指定托尔而且DS求内差方程:abs (uv) < = 10 ^ 6．

x = 0.1;uniquetol ([x, exp(日志(x))], 10 ^ 6,“DataScale”, 1)

ans = 0.1000

接下来，增加值的大小。计算中的四舍五入误差exp(日志(x))与值的大小成正比，具体来说是每股收益(x)．即使两个大的值是一个距离每股收益从一个另一个每股收益(x)现在要大得多。因此,10 ^ 6不再是合适的容忍。

x = 10 ^ 10;uniquetol ([x, exp(日志(x))], 10 ^ 6,“DataScale”, 1)

ans =1×21010×1.0000 - 1.0000

的默认(缩放的)值来纠正此问题DS．

格式长Y = [0.1 10^10];uniquetol ([Y, exp(日志(Y))))

ans =1×21010×0.000000000010000 - 1.000000000000000

创建一组随机的2-D点，然后使用uniquetol将点分组到具有相似(在公差范围内)x坐标的垂直带中。使用这些选项uniquetol：

一个=兰德(1000 2);DS = [1 Inf];[C,IA] = uniquetol(A, 0;“ByRows”,真的,.．.“OutputAllIndices”,真的,“DataScale”DS);

画出每个波段的点和平均值。

持有在为k = 1:长度(IA)图(A(IA{k}，1)， A(IA{k}，2)，“。”) meanAi = mean(A(IA{k}，:));情节(meanAi (1) meanAi (2),“xr”）结束