多项式插值拟合.pptVIP

算例：years=1950:10:1990;service=10:10:30;wage=[150.697199.592187.625179.323195.072250.287203.212179.092322.767226.505153.706426.730249.633120.281598.243];w=interp2(service,years,wage,15,1975)w=190.6288第30页，共85页，星期日，2025年，2月5日例[x,y]=meshgrid(-3:.6:3,-2:.4:2);z=(x.^2-2*x).*exp…(-x.^2-y.^2-x.*y);surf(x,y,z),axis([-3,3,-2,2,-0.7,1.5])第31页，共85页，星期日，2025年，2月5日选较密的插值点，用默认的线性插值算法进行插值[x1,y1]=meshgrid(-3:.2:3,-2:.2:2);z1=interp2(x,y,z,x1,y1);surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5])第32页，共85页，星期日，2025年，2月5日立方和样条插值：z1=interp2(x,y,z,x1,y1,cubic);z2=interp2(x,y,z,x1,y1,spline);surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5])figure;surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5])第33页，共85页，星期日，2025年，2月5日算法误差的比较z=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1);surf(x1,y1,abs(z-z1)),axis([-3,3,-2,2,0,0.08])figure;surf(x1,y1,abs(z-z2)),axis([-3,3,-2,2,0,0.025])第34页，共85页，星期日，2025年，2月5日二维一般分布数据的插值功能:可对非网格数据进行插值格式:z=griddata(x0,y0,z0,x,y,’method’)’v4’:MATLAB4.0提供的插值算法，公认效果较好；’linear’：双线性插值算法（缺省算法）；’nearest’：最临近插值；’spline’：三次样条插值；’cubic’：双三次插值。例：在x为［-3，3］，y为［－2，2］矩形区域随机选择一组坐标，用’v4’与’cubic’插值法进行处理，并对误差进行比较。第35页，共85页，星期日，2025年，2月5日x=-3+6*rand(200,1);y=-2+4*rand(200,1);z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y);[x1,y1]=meshgrid(-3:.2:3,-2:.2:2);z1=griddata(x,y,z,x1,y1,cubic);surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5])z2=griddata(x,y,z,x1,y1,v4);figure;surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5])第36页，共85页，星期日，2025年，2月5日误差分析z0=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1);surf(x1,y1,abs(z0-z1)),axis([-3,3,-2,2,0,0.15])figure;surf(x1,y1,abs(z0-z2)),axis([-3,3,-2,2,0,0.15])第37页，共85页，星期日，2025年，2月5日例：在x为［3，3］，y为［－2，2］矩形区域随机选择一组坐标中，对分布不均匀数据，进行插值分析。x=-3+6*rand(200,1);y=-2+4*rand(200,1);z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y);%生成已知数据plot(x,y,x)%样本点的二维分布figure,plot3(x,y,z,x),axis([-3,3,-2,2,-0.7,1.5])，grid第38页，共85页，星期日，2025年，2月5日去除在(-1,-1/2)点为圆心，以0.5为