多维整数线性规划使用lingo更方便
dist——欧式距离加权函数（Euclidean distance weight function）
语法：
Z = dist(W,P) df = dist('deriv') D = dist(pos)
描述：dist是一个欧式距离加权函数，给一个输入使用权值，去获得加权的输入。
1、dist(W,P)中：W——S×R的权值矩阵；P——R×Q的矩阵，表示Q个输入（列）向量
2、dist('deriv')返回‘’，因为dist没有导函数。
3、dist也是一个层距离函数，可以被用来寻找一层中神经元之间的距离。
dist(pos)输入一个参数，pos——N×S的神经元位置矩阵，返回S×S的距离矩阵
例子：
1、这里，我们定义一个随机权重矩阵W，以及输入向量P，并且计算相应的加权输入Z
W = rand(4,3); P = rand(3,1); Z = dist(W,P)
2、我们定义10个神经元的随机的位置矩阵，并且寻找他们的距离,这些神经元是在3维空间中的。
pos = rand(3,10);
D = dist(pos)
综上可知：
dist可以计算样本集中多个样本两两之间的距离矩阵。
对于图像I，将其分成n个超像素，每个超像素的特征有3维，那么形成3×n的超像素特征矩阵M，每列表示一个超像素。
此时，使用dist(M)，就会得到一个n×n的矩阵N，其中的元素Nij表示的是第i个超像素和第j个超像素特征之间的欧式距离。
MATLAB输出变量方法很多，主要包括以下几类。 （1）语句后面不加分号“;”，这是直接输出数值的比较简单的方法。 （2）disp(a)直接在命令窗口显示a变量，这种方法输出和第一种差不多。 （3）fprintf('a=%f',a)格式控制输出，输出'a='然后再显示输出的变量。 （4）save(dir+name,'变量名')保存输出到某个文件中去，可以将数值保存。
点运算是处理的元素之间的运算，而直接的/在矩阵计算中只能处理符合矩阵运算法则的运算。比如作图时的运算用的都是点运算。在对数值计算时，“./”和“/”其实是没有区别的。 例如对于矩阵A=[a b c d]，1./A=[1/a 1/b 1/c 1/d]，而1/A表示的是A的逆
Y = asind(X)
返回 X 的元素的反正弦 (sin-1)（以度为单位）。该函数的域和范围包含复数值。对于 X 在域 [-1,1] 中的实数元素，asind 返回位于范围 [-90,90] 中的值。对于 X 在此域之外的值，asind 返回复数值。
说明 1 的反正弦正好是 90°。
asind(1)
ans = 90
非线性规划用fmincon
nonlcon是用M文件定义的非线性向量函数c(x),ceq(x)
