第5讲 matlab数据拟合.pptVIP

1 拟 合 2. 拟合的基本原理 1. 拟合问题引例 2 拟 合 问 题 引 例 1 温度 t( 0 C) 20.5 32.7 51.0 73.0 95.7 电阻 R( ? ) 765 826 873 942 1032 已知热敏电阻数据： 求 60 0 C 时的电阻 R 。 20 40 60 80 100 700 800 900 1000 1100 设 R=at+b a,b 为待定系数 3 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n 个点（ x i ,y i ) i=1,…n, 寻求一个函数（曲线） y=f(x), 使 f(x) 在某种准则下与所有 数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (x i ,y i ) ? i ? i 为点（ x i ,y i ) 与曲线 y=f(x) 的距离 4 拟合与插值的关系 函数插值与曲线拟合都是要根据一组数据构造一个函数作 为近似，由于近似的要求不同，二者的数学方法上是完全不同 的。 实例： 下面数据是某次实验所得，希望得到 X 和 f 之间的关系？ x 1 2 4 7 9 12 13 15 17 f 1.5 3.9 6.6 11.7 15.6 18.8 19.6 20.6 21.1 问题： 给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： ? 若不要求曲线（面）通过所有数据点，而是要求它反映对象 整体的变化趋势，这就是 数据拟合 ，又称曲线拟合或曲面拟合。 ? 若要求所求曲线（面）通过所给所有数据点，就是 插值问题 ； 5 最临近插值、线性插值、样条插值与曲线拟合结果： 0 2 4 6 8 10 12 14 16 18 0 5 10 15 20 25 已已已已已 spline 已已已已已已已 0 2 4 6 8 10 12 14 16 18 0 5 10 15 20 25 已已已已已 linest 已已已已已已已 0 2 4 6 8 1 0 1 2 1 4 1 6 1 8 0 5 1 0 1 5 2 0 2 5 已 已 已 已 已 n e a r e s t 已 已 已 已 已 已 已 6 用 MATLAB 解拟合问题 1 、线性最小二乘拟合 2 、非线性最小二乘拟合 7 用 MATLAB 作线性最小二乘拟合 1. 作多项式 f(x)=a 1 x m + …+a m x+a m+1 拟合 , 可利用已有程序 : a=polyfit(x,y,m) 2. 对超定方程组 ) ( 1 1 n m y a R n m m n ? ? ? ? ? 可得最小二乘意义下的解。 ，用 y R a \ ? 3. 多项式在 x 处的值 y 可用以下命令计算： y=polyval （ a ， x ） 输出拟合多项式系数 a=[a 1 , …a m , a m+1 ] ( 数组 ) ） 输入同长度 的数组 X ， Y 拟合多项 式次数 8 即要求 出二次多项式 : 3 2 2 1 ) ( a x a x a x f ? ? ? 中 的 ) , , ( 3 2 1 a a a A ? 使得 : 最小 ] ) ( [ 11 1 2 ? ? ? i i i y x f 例 对下面一组数据作二次多项式拟合 xi 0.1 0.2 0.4 0.5 0.6 0.7 0.8 0.9 1 yi 1.978 3.28 6.16 7.34 7.66 9.58 9.48 9.30 11.2 9 1 ）输入以下命令 ： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; R=[(x.^2) x ones(11,1)] ； A=R\y ? ? ? ? ? ? ? ? ? ? ? 1 1 11 2 11 1 2 1 x x x x R ? ? ? 此时 解法 1 ． 用解超定方程的方法 2 ）计算结果 ： Ａ = -9.8108 20.1293 -0.0317 0317 . 0 1293 . 20 8108 . 9 ) ( 2 ? ? ? ? x x x f 10 1 ）输入以下命令： x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) % 作出数据点和拟合曲线的图形 2 ）计算结果： Ａ = -9.8108 20.1293 -0.0317 解法 2