9.插值与拟合.pptVIP

1. lsqcurvefit 已知数据点： xdata=（xdata1,xdata2,…,xdatan）, ydata=（ydata1,ydata2,…,ydatan） 用MATLAB作非线性最小二乘拟合 MATLAB提供了两个求非线性最小二乘拟合的函数：lsqcurvefit和lsqnonlin．两个命令都要先建立M文件fun.m，在其中定义函数f(x)，但两者定义f(x)的方式是不同的,可参考例题. lsqcurvefit用以求含参量a（向量）的向量值函数 F(a,xdata)=（F（a,xdata1）,…,F（a，xdatan））T 中的参变量a(向量),使得 输入格式为: (1) a = lsqcurvefit (‘fun’,x0,xdata,ydata); (2) a =lsqcurvefit(‘fun’,x0,xdata,ydata,options); (3) a=lsqcurvefit(‘fun’,x0,xdata,ydata,options,’grad’); (4) [a,options]=lsqcurvefit(‘fun’,x0,xdata,ydata,…); (5) [a,options,funval]=lsqcurvefit(‘fun’,x0,xdata,ydata,…); (6) [a,options,funval,Jacob]=lsqcurvefit(‘fun’,x0,xdata, ydata,…); fun是一个事先建立的定义函数F(x,xdata) 的M文件, 自变量为x和xdata 说明:a=lsqcurvefit(‘fun’,x0,xdata,ydata,options); 迭代初值 已知数据点 选项见无 约束优化 lsqnonlin用以求含参量a（向量）的向量值函数 f(a)=(f1(a),f2(a),…,fn(a))T 中的参量a，使得 最小． 其中 fi（a）=f（a，xdatai，ydatai）=F(a,xdatai)-ydatai 2. lsqnonlin 已知数据点： xdata=（xdata1，xdata2，…，xdatan） ydata=（ydata1，ydata2，…，ydatan） 输入格式为： 1) a=lsqnonlin（‘fun’，x0）； 2)a=lsqnonlin（‘fun’，x0，options）； 3)a= lsqnonlin（‘fun’，x0，options‘grad’）； 4)[a，options]=lsqnonlin （‘fun’，x0，…）； 5)[a，options，funval]=lsqnonlin（‘fun’x0，…）； 说明：a= lsqnonlin （‘fun’，x0，options）； fun是一个事先建立的定义函数f(x)的M文件，自变量为x 迭代初值 选项见无 约束优化 例题 用下面一组数据拟合 中的参数a，b，k 该问题即解最优化问题： 1）编写M文件 curvefun1.m function f=curvefun1(x,tdata) f=x(1)+x(2)*exp(-0.02*x(3)*tdata) %其中 x(1)=a; x(2)=b；x(3)=k; 2）输入命令 tdata=100:100:1000 cdata=1e-03*[4.54,4.99,5.35,5.65,5.90,6.10, 6.26,6.39,6.50,6.59]; x0=[0.2,0.05,0.05]; x=lsqcurvefit (curvefun1,x0,tdata,cdata) f= curvefun1(x,tdata) F(x，tdata)= ，x=(a，b，k) 解法1. 用命令lsqcurvefit 1）编写M文件 curvefun2.m function f=curvefun2(x) tdata=100:100:1000; cdata=1e-03*[4.54,4.99,5.35,5.65,5.90, 6.10,6.26,6.39,6.50,6.59]; f=x(1)+x(2)*exp(-0.02*x(3)*tdata)- cdata 2）输