第三讲-matlab-的符号运算.pptVIP

  • 0
  • 0
  • 约1.12万字
  • 约 66页
  • 2019-06-19 发布于四川
  • 举报
曲线拟合与插值 在大量的应用领域中,人们经常面临用一个解析函数描述数据(通常是测量值)的任务。 对这个问题有两种方法。 在拟合法里,人们设法找出某条光滑曲线,它最佳地拟合数据,但不必要经过任何数据点。 在插值法里,数据假定是正确的,要求以某种方法描述数据点之间所发生的情况。 拟合:虚线和标志的数据点之间的垂直距离是在该点的误差。对各数据点距离求平方,并把平方距离全加起来,就是误差平方和。这条虚线是使误差平方和尽可能小的曲线,即是最佳拟合。最小二乘这个术语仅仅是使误差平方和最小的省略说法。 在MATLAB中,函数polyfit求解最小二乘曲线拟合问题。 为了用polyfit,我们必须给函数赋予上面的数据和我们希望最佳拟合数据的多项式的阶次或度。如果我们选择n=1作为阶次,得到最简单的线性近似。通常称为线性回归。相反,如果我们选择n=2作为阶次,得到一个2阶多项式。 ? x=[0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1]; ? y=[-.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; ? n=2; % polynomial order ? p=polyfit(x, y, n) p =

文档评论(0)

1亿VIP精品文档

相关文档