matlab-曲线拟合工具箱详解.ppt

例：用有理拟合方法拟合数据hahn1.m hahn1.m是matlab自带，描述铜的热膨胀与热力学温度的相关性，包括两个向量temp与thermex。 load hahn1 cftool(temp,thermex) 分子分母均为2次 分子分母均为3次 分子三次、分母二次 分子三次、分母二次的有理多项式拟合鲜果很好，拟合曲线充分体现了整个数据，残差随机分布在0附近。 3.非参数拟合 有时我们对拟合参数的提取或解释不感 兴趣，只想得到一个平滑的通过各数据点的 曲线，这种拟合曲线的形式称之为非参数拟 合。 非参数拟合的方法包括 （1）插值法Interpoants （2）平滑样条内插法Smoothing spline 内插法： 在已知数据点之间估计数值的过程，包括 Linear 线性内差，在每一队数据之间用不同的线性多项式拟合； Nearest neighbor 最近邻内插，内差点在最相邻的数据点之间； Cubic spline 三次样条内插，在每一队数据之间用不同的三次多项式拟合； Shape-preserving 分段三次艾尔米特内插. 平滑样条内插法： 是对杂乱无章的数据进行平滑处理，可以用平滑数据的方法来拟合，平滑的方法在数据的预处理中已经介绍。 例：用内插法拟合carbon12alpha.mat数据 load carbon12alpha cftool(counts,angle) fit 1 Fitting—type of fit—Interpolant-- Nearest neighbor fit 2 Fitting—type of fit—Interpolant-- Shape-preserving 例：用三次样条内插和集中平滑样条内插法拟合下列数据 rand(state,0); x=(4*pi)*[0 1 rand(1,25)]; y=sin(x)+.2*(rand(size(x))-.5); cftool(x,y) 曲线的平滑级别用Smoothing Parameter选项给定，默认的平滑参数值与数据集有关，并再单击Apply按钮以后由工具箱自动计算。对于本数据集，默认的平滑参数值接近1，表示平滑样条接近于三次样条，并且几乎正好穿过每个数据点。可以自己指定参数值，为0时，生成一个分段线性多项式的拟合，为1时，生成一个分段三次多项式的拟合，它穿过所有的数据点。 fit2默认平滑参数下的平滑样条内插拟合结果效果最好。 4.基本的拟合界面 Matlab还提供了一个方便简捷的拟合界面。它具有拟合快速，操作简便的有时，但拟合方法较少。 使用步骤： （1）导入数据，并画图； （2）在tool菜单中单击Basic Fitting对话框 例：用基本拟合界面拟合census.mat load census plot(cdate,pop,ro) 在tool菜单中单击Basic Fitting对话框 [y,delta]=polyval(p,x,s) [y,delta]=polyval(p,x,s,mu) 产生置信区间y±delta。如果误差结果服从 标准正态分布，则实测数据落在y±delta区 间内的概率至少为50%。 例 x=[0 0.0385 0.0963 0.1925 0.2888 0.385]; y=[0.042 0.104 0.186 0.338 0.479 0.612]; [p,s,mu]=polyfit(x,y,5) 输出结果为： p = Columns 1 through 5 0.0193 -0.0110 -0.0430 0.0073 0.2449 Column 6 0.2961 说明拟合的多项式为： s = R: [6x6 double] df: 0 normr: 2.3684e-016 mu = 0.1669 0.1499 自由度为 0 标准偏差为 2.3684e-016 例:根据表中数据进行4阶多项式拟合 X 1 3 4 5 6 7 8 9 10 F(x) 10 5 4 2 1 1 2 3 4 x=[1 3 4 5 6 7 8 9 10]; y=[10 5 4 2 1 1 2 3 4]; [p,s]=polyfit(x,y,4); y1=polyval(p,x); plot(x,y,go,x,y1,b--) poly2str(p,t)ans =