matlab曲线拟合工具箱讲义课件.ppt

matlab-曲线拟合工具箱讲义;曲线拟合定义;一、数据预处理;1.输入和查看数据集;5个命令按钮;（2）输入数据集;Data对话框;;例：输入数据，采用matlab自带的文件census;;单击Data按钮;在X data和Y data两个下拉式列表框中选 择变量名，将在Data对话框中显示散点图的 预览效果： ;当选择Data sets列表框中的数据集时，单 击View按钮，打开View Data Set对话框;2.数据的预处理;;Smooth选项卡各选项的功能：;;;（2）排除法和区间排除法;;;;（3）其他数据预处理方法;;二、曲线拟合;1.多项式拟合函数;;;(2)Polyval函数;;;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;例:根据表中数据进行4阶多项式拟合;;例：电阻和温度的关系数据如下;;例：已知年龄和运动能力的一组数据，试确定二者的关系(根据图形指定次数) 年龄 17 19 21 23 25 27 29 第一人20.48 25.13 26.15 30.0 26.1 20.3 19.35 第二人24.35 28.11 26.3 31.4 26.92 25.7 21.3 x1=[17:2:29]; x=[x1 x1]; y=[20.48 25.13 26.15 30.0 26.1 20.3 19.35 24.35 28.11 26.3 31.4 26.92 25.7 21.3]; plot(x,y,r+);; a=polyfit(x,y,2) a = -0.2003 8.9782 -72.2150 poly2str(a,x) ans = -0.20031 x^2 + 8.9782 x - 72.215 x1=17:0.1:29; y1=-0.20031*x1.^2+8.9782*x1-72.215; hold on;plot(x1,y1,b);;数据拟合函数表;数据拟合函数表;2.曲线的参数拟合;Fitting对话框;两个面板的详细描述：;;（3）Exponential指数拟合包括两种形式： y=a*exp(b*x) y=a*exp(b*x)+c*exp(d*x) （4）Fourier傅立叶拟合，正弦和余弦之和（共8个多项式） ;（5）Gaussian 高斯法，包括8个公式： ;（8）Rational有理拟合，两个多项式之比，分子与分母都是多项式； （9）Power指数拟合，包括两种形式： y=a*x^b y=a*x^b+c （10）Smoothing spline 平滑样条拟合，默认的平滑参数由拟合的数据集来决定，参数是0产生一个分段的线性多项式拟合，参数是1产生一个分段三次多项式拟合；;（11）Sum of Sin Functions 正弦函数的和，采用以下8个公式： a1*sin(b1*x+c1) … a1*sin(b1*x+c1)+…+ a8*sin(b8*x+c8) （12）Weibull 两个参数的Weibull分布，表达式如下： Y=a*b*x^(b-1)*exp(-a*x^b);（3）Degree of Freedom Adjusted R-Square 调整自由度以后的残差的平方，数值越接近1，曲线的拟合效果越好 （4）Root Mean Square Error 根的均方误差 Table of fits 拟合曲线的列表，可以对每个列表做如下操作： Delete fit 删除所选的拟合曲线； Save to workspace 储存所有的拟合信息； Table options 选择与拟合相联系的信息。;Fit options 包括一些拟合方法，如线性拟合、非线性拟合，以及其他选项； 单击Apply按钮：采用上述所选各种方法