Moving Average Matlab 2013a

Ich brauche Hilfe bei der Aufnahme der folgenden Daten, die in einer großen Matrix organisiert ist und alle Werte, die eine passende ID (Index) haben, und die Ausgabe einer anderen Matrix mit nur der ID und dem gemittelten Wert, der sie verfolgt, Lassen Sie sich nicht von den von mir gezeigten Beispielen irreführen, dass die erste Nummer für ca. 15 Zeilen wiederholt wird, dann ändert sich die ID und das geht für einen ganzen Satz unterschiedlicher IDs, dann werden sie wieder als ganze Gruppe wiederholt, den ersten Block des Codes 1 2 3 1 5 9 2 5 7 2 4 6 dann wiederholt sich der Code mit unterschiedlichen Werten für die Spalten mit Ausnahme des Indexes. Der Hauptunterschied ist die Werte, die die ID hinter sich gelassen haben, die ich in Matlab durchschnittlich ausgeben muss, und eine saubere Matrix ausgeben, wobei nur eine von jedem ID für alle Vorkommen dieser ID voll gemittelt ist. Danke für jede Hilfe gegeben. Gefragt 14. Oktober 13 um 15: 33Die MVGC Multivariate Granger Kausalität Matlabreg Toolbox Die MVGC Matlabreg Toolbox wurde entwickelt, um Granger-Kausal-Analyse mit multivariaten und möglicherweise mehrstufigen Zeitreihen Daten zu erleichtern. Es ist nicht Black Box Software. Es gibt keine GUI, sondern eine Reihe von Funktionen entwickelt, um in Ihrem eigenen Matlabreg Programme verwendet werden. Annotierte Demonstrations-Scripts stehen zur Verfügung, die als Vorlagen verwendet werden können, um diese Aufgabe zu unterstützen. Die Toolbox verwendet einen neuartigen, genauen und hocheffizienten Ansatz zur numerischen Berechnung und statistischer Schlussfolgerung von Granger-Kausalität, bedingter und bedingungsloser sowohl in Zeit - als auch in Frequenzdomänen, wie in dem begleitenden Referenzdokument 1 beschrieben. Die Toolbox soll den populären Granger ersetzen Causal Connectivity Analysis (GCCA) Toolbox, und weitgehend subsumiert, erweitert und erweitert die GCCA-Funktionalität. Die Software wird von Lionel Barnett im Sackler Center for Consciousness Science (SCCS), Universität Sussex, entwickelt und betreut. Unterstützt von der Dr. Mortimer und Theresa Sackler Stiftung. Für Urheber - und Zulassungsbedingungen siehe unten auf dieser Seite. Systemanforderungen Die MVGC Toolbox wurde vor allem auf einem Linux x8664 (glnxa64) - System mit Matlabreg Version R2011a mit der möglichen Ausnahme eines C-Codes (siehe unten) entwickelt und getestet. Es sollte weitgehend plattformunabhängig sein. Wir können aber nicht garantieren, dass die Toolbox bei früheren oder späteren Versionen von Matlabreg problemlos läuft. Matlabreg Toolboxes: Die MVGC Toolbox benötigt die Statistik Toolbox8482 für eine wesentliche Funktionalität. Das Control System Toolbox8482 wird empfohlen, die Kern-MVGC-Funktion vartoautocov erfordert eine diskrete Zeit Lyapunov Gleichung Solver und, falls installiert, wird die Control Syetem Toolbox Dlyap-Funktion verwenden (wenn diese Link funktionierte youve got it). Wenn nicht, ist der Standard derzeit ein langsamer Matlabreg-scripted Solver zu verwenden. Ein schnellerer experimenteller Solver ist auch verfügbar siehe vartoautocov für weitere Details. Die spektrale Schätzroutine tsdatatocpsd benötigt die Signal Processing Toolbox8482. Aber gilt nicht als wesentliche Funktionalität. Hilfe und Dokumentation Formatierte Referenzseiten für alle MVGC-Funktionen stehen im Funktionsreferenzbereich der MVGC-Hilfe im Matlab-Hilfsbrowser zur Verfügung (Hinweis in Matlabreg Version 2013a und später wird dies über den Link Ergänzende Software am unteren Rand der Hilfe zugegriffen Browser-Homepage). Es gibt auch eine Utility-Funktion Hilfe, die diese Seiten im Hilfe-Browser zeigt, um Hilfe auf eine MVGC-Funktion oder ein Skript namens name. m zu erhalten, geben Sie einfach gtgt helpon name an der Matlabreg-Eingabeaufforderung ein. (Unglücklicherweise vereinfacht Matlab derzeit keine kontextabhängige F1-Taste für benutzerdefinierte Seiten.) Für mehr Details und Theorie siehe das Referenzdokument 1. und siehe auch die docs. Docshtml und Demo-Unterverzeichnisse des MVGC-Stammverzeichnisses. Die Release Notes sollten auch auf weitere relevante Informationen und aktuelle Änderungen an dieser Software überprüft werden. Erste Schritte Die MVGC Toolbox wird einfach installiert, indem Sie die Verteilungsdatei in einem bequemen übergeordneten Verzeichnis entpacken. Dies wird ein Unterverzeichnis mit dem Namen mvgcversion erstellen. Das MVGC-Stammverzeichnis. Im übergeordneten Verzeichnis. In Matlabreg navigieren Sie zum MVGC-Stammverzeichnis und führen das Start-Skript aus, um die Toolbox zu intialisieren und die Toolbox-Hilfe und Dokumentation in das Matlabreg-Hilfesystem zu integrieren. Beachten Sie, dass nach der Installation das Startup-Skript automatisch ausgeführt wird, wenn Matlabreg im MVGC-Stammverzeichnis gestartet wird. Der einfachste Weg, um mit der MVGC Toolbox zu beginnen, ist über die kommentierten Demos im Demo-Unterverzeichnis des MVGC-Root-Verzeichnisses, insbesondere das mvgcdemo-Skript. Diese können als Vorlagen für Ihren eigenen Code verwendet werden. Allerdings ist die MVGC Toolbox nicht als Blackbox Software zu betrachten. Für eine erfolgreiche Nutzung ist ein grundlegendes Verständnis der Prinzipien, die der Granger-Kausalfolger zugrunde liegen, und der rechnerische Ansatz der MVGC Toolbox erforderlich. Es wird daher dringend empfohlen, dass der Benutzer einige Zeit dauert, das Referenzdokument 1 zu überprüfen. Besonderes Augenmerk wird auf Abschnitt 3 auf Designprinzipien der MVGC Toolbox gelegt. Das Schema der MVGC-Berechnungswege bietet einen nützlichen Überblick. Gemeinsame Variablennamen und Datenstrukturen Im MVGC-Toolbox sind im Folgenden gemeinsame Namen für Variablen und Datenstrukturen aufgeführt. Funktionsargumente Default-Eingabeargumente, falls vorhanden (die in der entsprechenden Funktionsreferenzseite angezeigt werden) können immer als leere Matrix oder für Strings die leere Zeichenfolge eingegeben werden. So könnte zum Beispiel die Funktion vartoautocov als String-Argumente bezeichnet werden, sind immer Groß - und Kleinschreibung. Die Toolbox fördert die Verwendung der Standard-Matlabreg-Syntax für fehlende Ausgabeargumente, was zu einer effizienteren Ausführung führen kann. Zum Beispiel könnte die Funktion tsdatatovar aufgerufen werden, als ob nur die Ausgabe SIG erforderlich ist, was zu einem schnelleren Code führt. Verschiedene Ausgaben Die Granger-Kausal-Analyse, die auf der VAR-Modellierung basiert, setzt voraus, dass die fraglichen Zeitreihendaten einen stationären (multivariaten) Prozess darstellen. Natürlich in der Praxis kann dies nicht eine haltbare Annahme sein. Ein Weg, um mit diesem Problem umzugehen, das in der MVGC Toolbox leicht umsetzbar ist, ist durch das Fügen der Zeitreihendaten, die eine kausale Analyse auf (ggf. gleitenden) Kurzzeitsegmenten (Fenstern) der Daten ausführen, die hoffentlich nahe genug sind stationär. Dieser Ansatz ist umso besser, wenn mehrere synchronisierte Testdaten verfügbar sind. Es wird jedoch zwangsläufig ein Kompromiß zwischen der Zeitfenstergröße und der Qualität der statistischen Schlussfolgerung sein, da die resultierenden kleineren Datenmuster vorliegen. Das Demo-Skript mvgcdemononstationary illustriert, wie man diese Technik in die Praxis umsetzt. Wir bemerken, dass wir es nicht als die Rolle der MVGC Toolbox sehen, um Funktionalität für die Vorverarbeitung von Zeitreihendaten zur Verfügung zu stellen (z. B. um die Stationarität zu verbessern). In Bezug auf die Vorverarbeitung ist es jedoch eine Warnung wert, dass einige übliche Vorverarbeitungsverfahren - wie z. B. Filterung - das Potential haben, die Kausalfolgerung von Granger ernsthaft zu stören (siehe die Bemerkungen im mvgcdemo-Skript) und können darüber hinaus die Interpretation der Ergebnisse in Zweifel ziehen . Unsere Ansicht ist, dass die Vorverarbeitung mit Beklommenheit behandelt werden sollte und vorzugsweise auf ein Minimum gehalten wird, um beispielsweise eine akzeptable Stationarität zu erreichen. Es ist zu bedenken, dass trotzdem (fast) jeder weitgehende stationäre multivariate stochastische Prozess als VAR modelliert werden kann, dies ist nicht zu sagen, dass ein VAR wird notwendigerweise ein gutes (sparsam) Modell für Ihre Daten sein In der Tat, Übermäßig hohe Modellaufträge (vgl. Tsdatatoinfocrit) kann wohl ein Hinweis darauf sein, dass ein VAR-Modell einfach ungeeignet ist (oder es kann ein Hinweis auf Nicht-Stationarität sein). Zum Beispiel sagt die Theorie, dass ein VAR-Prozess eine exponentiell abklingende Autokovarianz auf lange Sicht hat. Wenn Ihre Daten Langzeitgedächtnis aufweisen (d. h. Kraft-Gesetz-Autokovarianz-Zerfall), dann z. B. Ein gebrochenes ARIMA-Modell kann besser auf Ihre Daten abgestimmt sein und VAR-basierte Granger-Kausal-Analyse ist wahrscheinlich nicht der Weg zu gehen. Ähnlich kann ein VARMA-Prozess mit nicht-trivialer gleitender Durchschnittskomponente eine übermäßig hohe Modellreihenfolge ergeben, wenn er als VAR modelliert wird. Es wäre sicherlich angenehm, die Granger-Kausalität direkt für solche alternativen Modelle berechnen zu können. Es gab einige Fortschritte in diesem Bereich - tatsächlich arbeiteten wir selbst (siehe zB L. Barnett und T. Bossomaier, Transferentropie als Log-Likelihood-Verhältnis Preprint, Phys. Rev. Lett. 109 (13) 2012) - aber das ist für eine zukünftige Version der Toolbox. GCCA-Kompatibilitätsmodus Obwohl der MVGC-native Ansatz zur Granger-Kausalitätsberechnung offensichtlich empfohlen wird, können ehemalige Benutzer der Granger Causal Connectivity Analysis (GCCA) Toolbox möglicherweise auf das mvgcdemoGCCA-Skript verweisen, das die Verwendung der MVGC Toolbox im GCCA-Kompatibilitätsmodus demonstriert und erklärt . Die MVGC Toolbox ist fast vollständig in Matlabreg-Code geschrieben, aber aus Effizienzgründen können einige Routinen in C codiert werden (derzeit nur die Genvar-Funktion, die zur Erstellung von Test-VAR-Daten verwendet wird). Wenn entsprechende Mex-Dateien für Ihre Plattform nicht in Ihrer Distribution dieser Software enthalten sind (das Start-Skript wird eine Warnung ausgeben), sollten Sie versuchen, sie mit der mvgcmakemex-Funktion zu erstellen. Im Allgemeinen ist jedoch eine fehlende MVGC-Mex-Datei kein Show-Stopper (langsamer) Matlabreg-scripted Code mit gleichwertiger Funktionalität sollte immer verfügbar sein und automatisch aufgerufen werden. Anmerkung 1: Die Toolbox wird derzeit mit vordefinierten und getesteten Mex-Dateien für 64-Bit Unix (einschließlich Linux), Windows und Mac verteilt, da dies die einzigen Testplattformen für uns waren. Wenn Matlabreg auf dich stürzt, gibt es eine sehr gute Chance, dass ein vorgefertigtes mex schuld ist. In diesem Fall (vorausgesetzt, Sie haben einen Matlabreg-kompatiblen C-Compiler verfügbar) sollten Sie versuchen, mvgcmakemex mit dem forcerecompile Flag gesetzt. Anmerkung 2: Die vorinstallierten Windows 64-Bit-Mex-Dateien wurden mit Microsoft Reg Visual Studio 2010 kompiliert. Anscheinend Code, der mit diesem Compiler kompiliert wurde, benötigt die Microsoft Access Visual Studio 2010-Laufzeitkomponenten. Es gibt nicht viel, was wir tun können, wenn Sie Microsoftreg Visual Studio 2010 nicht auf Ihrem 64-Bit-Windows-System installiert haben, können Sie hier die benötigten Komponenten installieren. Oder kompilieren Sie die mex-Dateien mit einem anderen Compiler, indem Sie mvgcmakemex mit dem forcerecompile-Flag ausführen. Referenzen Hinweis: Wir sind dabei, diese Publikation in der Zwischenzeit zugänglich zu machen. Hier ist ein Preprint (im Distribution enthalten) verfügbar (PDF-Format - Matlab Default Viewer in File - gt Preferences - gt Help - gt PDF Reader einstellen ). Kontaktieren Sie die Autoren Für allgemeine Unterstützung Fragen, Kommentare, Fragen, Fehlerberichte und vorgeschlagene Verbesserungen, bitte E-Mail m v g c t o o l b o x AT s u s s e x. Ein c. Du bist Wir würden uns vor allem wissen lassen, ob Sie die Toolbox in Ihrer Recherche nützlich gefunden haben. MVGC Toolbox v1.0. Kopiere Lionel Barnett und Anil K. Seth, 2012. Siehe Datei license. txt für Lizenzbedingungen. Patch Cube clc löschen alle schließen alle Figur gesetzt (gcf, Farbe weiß) h1 Patch (0 0 1 1,0 1 1 0,1 1 1 1, r) alpha (h1, 0,5) h2 Patch (0 1 1 0,0 0 0 0,0 0 1 1, b) alpha (h2, 0,5) h3 Patch (0 0 0 0,0 1 1 0 , 0 0 1 1, y) alpha (h3, 0,5) Ansicht (-37,5, 30) Achse quadratische Achse aus xlabel (X) ylabel (Y) zlabel (Z) RAJ - Demo fMRI MATLAB dartmouth. edu Undokumentierte Bildqualität Metrix MUX Visual Quality Assessment Paket: MSE, PSNR, SSIM, MSSIM, VSNR, VIF, VIFP, UQI, IFC, NQM, WSNR, SNR Matthew Gaubatz Foulard. ece. cornell. edugaubatzmetrixmux Mittel-Quadrat-Fehler (MSE), Peak-Signal-to (SSN), Signal-Rausch-Verhältnis (SNR) foulard. ece. cornell. edugaubatzmetrixmuxMSE. html Struktur Ähnlichkeit (SSIM) Index, Multi-Skala SSIM Index ece. uwaterloo. ca Tricks - Code Snipsets GPU und EEGLAB EEG Poploadset (sampledataeeglabdataepochsica. set) data2 EEG. data tic timefreq (umform (data2, size (data, 1), EEG. pnts, size (data, 2) EEG. pnts), EEG. srate, Zyklen, 3) toc Verstrichene Zeit Ist 9.117511 Sekunden. Daten c (EEG. data (.)) Tic timefreqgpu (Umformung (Daten, Größe (Daten, 1), EEG. pnts, Größe (Daten, 2) EEG. pnts), EEG. srate, Zyklen, 3) GPUsync toc Verstrichen Die Zeit ist 3.417511 Sekunden. Figuren-Set (gcf, Farbe, Weiß) gesetzt (gcf, Einheiten, normalisiert, Position, 0.0 0.0273 1.0 0.9072) img imread (peppers. png) Laden einer Probe Bildstreuung (rand (1,20) -0,5, rand (1, 20) -0.5) Plot einige zufällige Daten halten auf Hinzufügen zum Plot-Bild (-0.1 0.1.0.1 -0.1, img) Plot das Bild Wie kann ich ein Bild jpg in beiden 2D und 3D Stackoverflowquestions3719502how-can-i-plot - A-image-jpg-in-matlab-in-beide-2-d-und-3-d. Kodierung ind nchoosek (1: 8,3) Datensatzdaten (ind) D spmeegload (Dateiname. mat) Daten D. selectdata (Cz, 0.3 0.5,) Hilf meegselectdata Erstellen Sie 3D-interaktive HTML-Datei aus MATLAB-Oberfläche mathworksmatlabcentralfileexchange27333-create - 3d-interaktive-html-Datei-von-Matlab-Oberfläche Beispiel: X, Y, Z-Peaks (30) h Surf (X, Y, Z) javaview (h, peaksurface, C: UsersskDesktop3d-PDFjvtest, C: Programmdateien ( X86) JavaViewjars, 1) Plot Menschlicher Cortex clc löschen alle schließen alle laden mnimeshcortex20484.mat patchinfo. Vertices vert patchinfo. Faces Gesicht patchinfo. FaceColor w Patch (patchinfo) Achse Quadrat MATLAB Tensor Toolbox Version 2.4 (freigegeben am 22. März 2010) csmr. ca. sandia. gov tgkoldaTensorToolbox Ununterbrochene Profilmodelle (CPM) Matlab Toolbox Geschrieben von Jennifer Listgarten cs. toronto. edujennCPM Learning Deep Boltzmann Machines mit. edumatrbm - Code für die Ausbildung Eingeschränkte Boltzmann Maschinen (RBM) und Deep Belief Networks in MATLAB code. googlepmatrbm MATLAB-Code für gemischte Daten FA mit Variationsgrenzen cs. ubc. caarakotomtoolboxindex. html SMLR cs. duke. eduaminksoftwaresmlrdocumentation pmtk3 probabilistisches Modellierungs-Toolkit für MatlabOctave, Version 3 code. googleppmtk3 Sparse Logistic Regression Toolbox (SLR Toolbox) MATLAB cns. atr. jpoyamashiSLRWEB. Html CVM - cse. ust. hkivorcvm. html LIBSVM - csie. ntu. edu. tw cjlinlibsvm SimpleSVM - asi. insarouen. fr hansenjprojectsele585OCR Programmtitel: TopoToolbox, Entwickler: Wolfgang Schwanghart Erster verfügbar: 2009, Herkunftssprache: MATLAB Voraussetzungen: MATLAB R2009a , Image Processing Toolbox Verfügbarkeit: TopoToolbox ist kostenlos erhältlich und kann auf physiogeo. unibas. chtopotoolbox heruntergeladen werden. MATLAB Lazer Toolbox wa. ctw. utwente. nlsoftwarelaserindex. html Die Biopsychologie-Toolbox: Eine kostenlose, offene Matlab-Toolbox für die Kontrolle von Verhaltensversuchen Journal of Neuroscience Methods, Band 175, Ausgabe 1, 30. Oktober 2008, Seiten 104-107 Jonas Rose, Tobias Otto, Lars Dittrich dx. doi. org. libproxy1.nus. edu. sg10.1016j. jneumeth.2008.08 .006 MATLAB Grundlagen Brian H. Hahn, Daniel T. Valentine Essential Matlab für Ingenieure und Wissenschaftler (Vierte Auflage), 2010, Seiten 23-76 Matlab Laser Toolbox GRBE Rmer, A. J. Harth in 8217t Veld Physik Procedia, Band 5, Teil 2, 2010, Seiten 413-419 KARDIA: Eine Matlab Software für die Analyse von Herzinterims Interpreten Pandelis Perakakis, Mateus Joffily, Michael Taylor, Pedro Guerra, Jaime Vila Computer Methoden und Programme in Biomedizin, Band 98, Ausgabe 1, April 2010, Seiten 83-89 mcc - o executable-name - m main-program. m Zur Auswahl des Compilers mex - setup img imread (name. png) imagesc (img) set (gca. Einheiten 0 0 1 1, Sichtbar aus) Set (gcf. Units, Pixel Position 100 100 Größe (img. 2) Größe (img. 1)) print (gcf. Name. eps. - depsc2 . - r300) yvesdistrib. html SLEP: Ein spärliches Lernpaket public. asu. edutgkoldaTensorToolboxthankyou-2.4.html Matlab-Skripte für die Berechnung von Phasensynchronindizes, nämlich Dr. Rosenblums Website agnld. uni-potsdam. demrospublications. html EEG Butterfly Handlung D spmeegload Figur Handlung (D. Zeit, Squeeze (D (D. meegchannels 1))) Matlab Toolboxes dsp. rice. edusoftwaremwm. shtml MATLAB und mySQL courant. nyu. edualmgrenmysql Wavelets MATLAB www2.isye. gatech. eduMATLAB Simulation von 147Shoebox148 Raumakustik für den Einsatz in Lehre und Forschung media. paisley. ac. uk kalman Filterung mit Matlab Kalman Filter Toolbox für Matlab cs. ubc. ca Audio Array Toolbox engr. uky. edu donohueaudioArraysMAToolbox. htm Beispiele und Demos engr. uky. edu Nützlich Matlab Funktionen und Skripte für Signale und Systeme Labor EE422G engr. uky. edu BoxCount MATLAB fast. u-psud. fr moisymlboxcounthtmldemo. html Trend Visualisierung Stephen Piche Software für Bump Modellierung ist ab bsp. brain. riken. jpLIBSVM - Eine Bibliothek für Unterstützung Vektor-Maschinen Chih-Chung Chang und Chih-Jen Lin csie. ntu. edu. tw cjlinlibsvm Matlab Toolbox für Dimensionality Reduktion ict. ewi. tudelft. nllvandermaatenMatlabToolboxforDimensionalityReduction. html MATLAB-Code theoval. cmp. uea. ac. ukgcccblblogregsoftwaredemo. m Kompiliert EEGLAB sccn. ucsd. eduwikiA13: CompiledEEGLAB MATLAB Tutorial Pascal Wallisch, Michael Lusignan, Marc Benayoun, Tanya I. Baker, Adam S. Dickey, Nicholas G. Hatsopoulos Matlab für Neurowissenschaftler, 2009, Seiten 7-56 Reduzierte Set Wahrscheinlichkeit Dichte Schätzer cis. uws. Ac. ukhe --- ic0reddensindex. htm SVM und Kernel Methoden Matlab Toolbox asi. insa-rouen. frenseignantsarakotomtoolboxindex. html Schreiben von Fast Matlab Code - Pascal Getreuer, Februar 2009 math. ucla. eduboydcvxexamplesindex. html Maximum Margin Matrix Factorization ttic. uchicago. edunatimmmfcode. html Verfügbare Software für das Lernen von MRFs ics. uci. edudsimasoftwareAKSESAKSESmatlab. html Approximationsmethoden für Gaussian Process Regression gaussianprocess. orggpmlcodematlabdocsparse-approx. html MATLAB Toolbox für die Segmentierung Multivariate Mixed Data eecs. berkeley. eduninatindex. html LIBRA Toolbox wis. kuleuven. bestatrobustLIBRA. html LIBRA: eine MATLAB-Bibliothek für Robuste Analyse Verboven, S. Hubert, M. (2005) Chemometrics and Intelligent Laborsysteme, 75, 127-136. Matlabmatkatuyo MATLAB - Profil deines Codes, um Engpässe zu finden: Profil auf myfun Profilbericht Eine MATLAB Umsetzung des spärlichen logistischen Regressionsalgorithmus mit Bayes'sche Regularisierung (BLogReg) ist erhältlich von theoval. cmp. uea. ac. uklvdrmaatendrdownload. php GraphClus, ein MATLAB Programm für Clusteranalyse unter Verwendung der Graphentheorie Clifford S. Todd. Tivadar M Toth und Rbert Busa-Fekete Computer amp Geosciences Wie installiere ich die GNU Compiler Compiler Collection (gcc) für Windows, um Matlab mex und andere Dateien zu kompilieren gnumex. sourceforge Matlab markov Prozess www-math. bgsu. eduSIMON startet das Standardspiel. SIMON (N) startet das Spiel mit N Tasten. Anleitung: Drücken Sie die Starttaste (das grüne Dreieck nach rechts), um das Spiel zu starten. Schauen Sie und hören Sie, was Simon sagt und wiederholen Sie es. - Drücken Sie die Stopptaste (das rote Quadrat), um das Spiel zu stoppen. Drücken Sie die Auf - und Ab-Tasten (die gelben Dreiecke nach oben und unten), um die Anzahl der Tasten zu ändern. MathworksmatlabcentralfileexchangeloadFile. doobjectId13879ampobjectTypefile Dezember 2009 - BHC