曲面拟合实例教总结.docVIP

例7.2.1试用最小二乘法求拟合曲线，并估计其误差，做出拟合曲线。 (1)做散点图 x=[-2.5,-1.7,-1.1,-0.8,0,0.1,1.5,2.7,3.6]; y=[-192.9,-85.50,-36.15,-26.52,-9.10,-8.43,-13.12,6.50,68.04]; plot(x,y,r*) legend(实验数据(xi,yi)) xlabel(x),ylabel(y) title(例7.2.1的数据点(xi,yi)的散点图) 2.CFTOOL工具箱使用 Shift+enter:换行输入 Gaussian：高斯曲线 Interpolant：最小二乘法差值 Polynomial：多项式 3.y1=polyfit(x,y,3) 拟合多项式的阶数为3 4.matlab绘制三维曲面图 已知曲线关系方程 以二元函数图 z = xexp(-x^2-y^2) 为例讲解基本操作， （1）首先需要利用meshgrid函数生成X-Y平面的网格数据，如下所示： % 生成二维网格数据 xa = [-2,0.2,2]; ya =[-1,0.15,1.5]; [x,y] = meshgrid(xa,ya); （2）此外，需要计算纵轴数据(z轴），如下所示： % calculate z data z = x.*exp(-x.^2 - y.^2); （3）在计算出(x,y,z)数据后，就可以使用三维绘图函数mesh绘制三维曲面图，如下所示： mesh(x,y,z); 4（2）、另一种方法： [x,y] = meshgrid(-2:0.2:2,-1:0.15:1.5); z = x.*exp(-x.^2 - y.^2); mesh(x,y,z); 5.由三组散点图绘制曲面（网格划分） xyz=[40 2 1.4 40 5 2.5 40 7 1.4 40 9 0.9 70 8 5.6 ]; tri = delaunay(xyz(:,1), xyz(:,2)); trimesh(tri, xyz(:,1), xyz(:,2),xyz(:,3)); shading interp 如何使用matlab 2014a 做数据曲线拟合（cftool） 1. 输入数据 做数据曲线拟合，当然该有数据，本经验从以如下数据作为案例。 x=[1,2,3,4]; （输入数据） y=[2,4,6,8]; cftool （打开曲线拟合工具箱） 2. 添加数据到curve fitting程序 这一步就是将你要拟合的数据添加到curve fitting程序中，同时给你拟合的曲线命名。 3. 选择曲线拟合的方法类型 常见的拟合曲线有多项式的、指数的、对数的等等。curve fitting程序提供了很多的方法。你可以根据自己的数据具体选择。 Custom Equations：用户自定义的函数类型 Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x) ; X=[-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6]; Y=exp(x);y=exp(-x);plot(x,y) Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w) ; Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2) ; Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-preserving ; Polynomial：多项式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~ ; Power：幂逼近，有2种类型，a*x^b 、a*x^b + c ; Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th degree ~；此外，分子还包括constant型 ; Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思） Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1) Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b) 选择好所需的拟合曲线类型及其子类型，并进行相关设置： ——如果是非自定义的类型，根据实际需要点击“F