文章目录
Part.I Introduction
曲线或曲面拟合获取拟合参数。本篇博文主要记录一下 Matlab 曲线拟合的使用笔记。
主要包括 Matlab 自带 APP Curve Fitting
的使用方法、一些曲线拟合函数的使用等。
Part.II Curve Fitting APP 的使用
这个APP用来做拟合的,包括二维数据的线拟合和三维数据的曲面拟合。这篇博文就简单记录一下使用的技巧。下图是它的一个界面。
Chap.I 拟合函数
拟合方法的下拉框选项有
- Custom Equation:私人定制函数,可以自己改函数。
- Exponential:指数函数
f(x) = a * exp(b * x)
- Fourier:傅里叶函数
f(x) = a0 + a1*cos(x*w) + b1*sin(x*w)
- Gaussian:高斯函数
f(x) = a1 * exp(-((x - b1) / c1)^2)
- Interpolant:插值函数
- Linear Fitting:线性拟合函数
- Polynomial:多项式函数
f(x) = p1*x + p2
- Power:幂函数
f(x) = a*x^b
- Rational:有理函数
f(x) = (p1) / (x + q1)
- Smoothing Spline:平滑样条
- Sum of Sine:正弦函数和
f(x) = a1*sin(b1*x+c1)
- Weibull:威布尔函数
f(x) = a*b*x^(b-1)*exp(-a*x^b)
Chap.II 注意事项
下面是使用这个 APP 的一些注意事项和使用技巧:
- 一定要关闭右侧
Auto Fit
选项,因为它不等你配置好就会进行你和操作,巨卡。 - 左上角
+
号可以新建拟合项目,进而可以存储多个拟合进行比较。
Part.III 通过代码拟合曲线
有时候想实现一个比较复杂的功能,不想或者不方便使用这个 APP 的话,就有直接利用代码对数据进行拟合的需求。这部分就简要介绍一下如何直接用代码对数据进行拟合。
Chap.I 已知函数求拟合参数
首先需要有两个长度相等的向量 xx, yy
。
然后定义拟合的公式,比如下面的拉普拉斯概率密度函数
fitEquation = fittype('1/(2*a)*exp(-abs(x-b)/a)', 'coefficients', {'a', 'b'});
确定参数初值(不做这一步也没关系,Matlab 会用随机数确定初值)
initialGuess = [5, 0];
进行曲线拟合
fittedModel = fit(xx', yy', fitEquation, 'StartPoint', initialGuess);
展示拟合结果
disp(fittedModel);
---------------------------
General model:
fittedModel(x) = 1/(2*a)*exp(-abs(x-b)/a)
Coefficients (with 95% confidence bounds):
a = 5.191 (5.129, 5.253)
b = -0.3225 (-0.3662, -0.2787)
整个代码如下:
% 定义拟合的公式
fitEquation = fittype('1/(2*a)*exp(-abs(x-b)/a)', 'coefficients', {'a', 'b'});
% 确定初值
initialGuess = [5, 0];
% 进行曲线拟合
fittedModel = fit(xx', yy', fitEquation, 'StartPoint', initialGuess);
% 展示拟合结果
disp(fittedModel);
Chap.II 未知函数求拟合
如果不知道数据的模型,可以先进行简单的尝试,首选就是用Curve Fitting
APP;Matlab 其实也自带了一些模型给定的函数,像下面的这些:
polyfit(x, y, n)
:多项式拟合,n 是多项式的阶数;返回拟合出来的参数