第三章数据拟合..docVIP

第三章 数据拟合 本章讨论在MatLab软件包中，如何进行数据拟合。 §3.1 多项式曲线拟合 Matlab中的多项式曲线拟合使用命令如下： p = polyfit(x,y,n) 解释： p= polyfit(x,y,n) 表示在误差平方极小的意义下，通过数据拟合运算，寻找n次多项式p(x)的系数，p是一个n+1次的行向量：，其中 另外，输入时，x的数据要使用列向量。 例3.1 在区间[0，2.5]中，用多项式函数拟合误差函数。 误差函数erf(x)：，它在区间[-10，10]中的图像如下： 在区间[0，2.5]中，每隔0.1取一个误差函数的数据，然后用一个6次多项式去拟合误差函数。程序如下： x = (0: 0.1: 2.5); y = erf(x); p = polyfit(x,y,6) 执行后得到结果： p = Columns 1 through 5 0.0084 -0.0983 0.4217 -0.7435 0.1471 Columns 6 through 7 1.1064 0.0004 即，p = （0.0084, -0.0983, 0.4217, -0.7435, 0.1471, 1.1064, 0.0004），也就是得到6次多项式为： 计算一下误差函数的数据y与6次多项式p(x)的值之间的误差。程序如下： f = polyval(p,x); table = [x y f y-f] 执行后得到结果： table = 0 0 0.0004 -0.0004 0.1000 0.1125 0.1119 0.0006 0.2000 0.2227 0.2223 0.0004 0.3000 0.3286 0.3287 -0.0001 0.4000 0.4284 0.4288 -0.0004 0.5000 0.5205 0.5209 -0.0004 0.6000 0.6039 0.6041 -0.0002 0.7000 0.6778 0.6778 0.0000 0.8000 0.7421 0.7418 0.0003 0.9000 0.7969 0.7965 0.0004 1.0000 0.8427 0.8424 0.0003 1.1000 0.8802 0.8800 0.0002 1.2000 0.9103 0.9104 -0.0000 1.3000 0.9340 0.9342 -0.0002 1.4000 0.9523 0.9526 -0.0003 1.5000 0.9661 0.9664 -0.0003 1.6000 0.9763 0.9765 -0.0002 1.7000 0.9838 0.9838 0.0000 1.8000 0.9891 0.9889 0.0002 1.9000 0.9928 0.9925 0.0003 2.0000 0.9953 0.9951 0.0002 2.1000 0.9970 0.9969 0.0001 2.2000 0.9981 0.9982 -0.0001 2.3000 0.9989 0.9991 -0.0003 2.4000 0.9993 0.9995 -0.0002 2.5000 0.9996 0.9994 0.0002 下面在区间[0, 5]之间作图比较两个函数的图像的区别。程序如下： x = (0: 0.1: 5); y = erf(x); f = polyval(p,x); plot(x,y,o,x,f,-) axis([0 5 0 2]) 执行后得到结果： 其中，用“o”画的曲线是误差函数的图像。 例3.2 一个 [x,y,z,v] = flow; xmin = min(x(:)); ymin = min(y(:)); zmin = min(z(:)); xmax = max(