在数据处理的过程中，为了标准的统一，我们往往要对数据进行归一化。大多数人觉得这比较简单，不就是形如(x-min)/(max-min)这样么。事实上，这样想是没错的。事实上，我们使用matlab的内置函数，来进行数据的归一化，在处理大量的数据时，会节省不少的时间。有内置函数用的，尽量用内置函数，可以减少不必要的时间消耗。
举些例子来说明问题吧。
clc;clear P=magic(4) T=[1 2 3 4] [Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)%按行取最大最小且归一化到-1到1之间 [PN]=tramnmx(P,minp,maxp) %此处的max min为数据按行所给的可能数据范围，不一定是所给矩阵的最值，将矩阵按行以此 %范围模入到-1到1之间，例如[PN]=tramnmx(5,0,10) [p,t] = postmnmx(P.*5,minp,maxp,Tn,mint,maxt) %假如P是处理后（按行）的-1到1之间的数，我们将其还原到标准化之前， %其中minp对应-1，假如P不是-1到1之间的，我们不加讨论 [Y,PS]=mapminmax(T) %按行做归一化处理，默认是按行，单个数不做处理 [Y,PS]=mapminmax(P,0,1) %按行归一化到0，1并返回这个映射到PS，他是个结构体 t=mapminmax('apply',T,PS) %将此归一应用到其他数上，按行处理 X=mapminmax('reverse',Y,PS) %反归一化过程自己个看程序细细体会一下吧，很多多余的系统化的东西，查帮助都能找到。向来不喜欢和别人一样，系统地一点一点说下来，你也记不住，我也浪费时间。
