malab中的最小二乘曲线拟合.docxVIP

malab中的最小二乘曲线拟合 在实际工程应用和科学实践中，有必要寻求两个变量（或多个）之间的关系。事实上，我们只能通过观察获得一些分散的数据点。为了从这些数据中找到其内在的规律性, 即求得自变量和因变量之间吻合程度比较好的函数关系式, 这类问题可以归结为曲线拟合。Matlab提供了多种线性与非线性拟合方法。 1 对图像拟合的求解 设有实验数据 (xi, yi) , i=1, 2, …, n, 寻找函数f (a, x) 使得函数在点xi处的函数值与观测数据偏差的平方和达到最小。即使得 式中, a是待定的参数。 解决此类问题有以下几个步骤: (1) 首先作出散点图, 确定函数的类别; (2) 根据已知数据确定待定参数的初始值, 利用Matlab软件计算最佳参数; (3) 根据相关系数, 比较拟合效果, 计算相关系数R的公式为 式中,, R越趋近于1表明拟合效果越好。 当选用不同的函数形式时, 拟合的结果形式不一样。如果是多项式函数, 则称为多项式拟合, 此时的参数即多项式的系数;如果为指数函数、对数函数、幂函数或三角函数等, 则称为非线性拟合。 下面介绍两种Matlab中常用的最小二乘曲线拟合方法。 2 曲线曲线调整的相关方法 2.1 型广义函数及型定理 多项式拟合是在不知道函数具体形式下采用的一种曲线拟合形式, 可以根据数据拟合精度的要求选用不同的多项式次数, 利用MAT-LAB