（二）插值与拟合

插值：求过已知有限个数据点的近似函数。
拟合：已知有限个数据点，求近似函数，可不过已知数据点，只要求在某种意义
下它在这些点上的总偏差最小。

 

拟合

 

最小二乘法可以通过polyfit（）和polyval（）组合来实现。

例四同样可以采用以下的代码来实现：

a=polyfit(x,y,2);

y2=polyval(a,x0);

plot(x,y,'o',x0,y0,'r');

 

注意polyfit中的第三个参数代表的意思是拟合的次数，根据例四中的经验公式可知，拟合的次数为2。

 

插值

（1）一维插值

同样以上面的例四为例，求一维数据的插值函数

interp1——一维数据插值函数

x=[19,25,31,38,44];

y=[19.0,32.3,49.0,73.3,97.8];

inter_x = [15:0.1:50];

zil=interp2(x,y,inter_x);

plot(x,y,'o',inter_x,zil,'r');

输出结果如图：

 

（2）二维插值

x0=[1200:400:4000];

y0=[1200:400:3600];

z0=[1130 1250 1280 1230 1040 900 500 700;

    1320 1450 1420 1400 1300 700 900 850;

    1390 1500 1500 1400 900 1100 1060 950;

    1500 1200 1100 1350 1450 1200 1150 1010;

    1500 1200 1100 1550 1600 1550 1180 1070;

    1500 1550 1600 1550 1600 1600 1600 1550;

    1480 1500 1550 1510 1430 1300 1200 980];

   

[xi,yi]=meshgrid(1200:10:4000,1200:10:3600);

zil=interp2(x0,y0,z0,xi,yi,'linear')

mesh(xi,yi,zil)

 

二维插值中注意; meshgrid进行网格化处理。

 

（3）三维插值（转载）

VI=interp3(X,Y,Z,V,XI,YI,ZI)：求出由参量X,Y,Z决定的三元函数V=V(X,Y,Z)在点（XI,YI,ZI）的值。参量XI,YI,ZI是同型阵列或向量。若向量参量XI,YI,ZI是不同长度、不同方向（行或列）的向量，这时输出参量VI与Y1,Y2,Y3为同型矩阵。Y1,Y2,Y3为用函数meshgrid(XI,YI,ZI)生成的同型阵列。若插值点(XI,YI,ZI)中有位于点（X,Y,Z）之外的点，则相应地返回特殊变量值NaN。

VI=interp3(V,XI,YI,ZI)：默认地，X=1:N，Y=1:M，Z=1:P，其中，[M,N,P]=size(V)，再按上面的情形计算。

VI=interp3(V,n)：作n次递归计算，在V的每两个元素之间插入它们的三维插值。这样，V的阶数将不断增加。interp3(V)等价于interp3(V,1)。

VI=interp3(...,method)：用指定的算法method做插值计算。linear为线性插值（默认算法），cubic为三次插值，spline为三次样条插值，nearest为最邻近插值。

 

（4）n维插值（转载）

interpn函数——n维数据插值

完成n维数据插值。

VI=interpn(X1,X2,...,Xn,V,Y1,Y2,..,Yn)：返回由参量X1,X2,..,Xn,V确定的n元函数V=V(X1,X2,..,Xn)在点（Y1,Y2,...,Yn）处的插值。参量Y1,Y2,...,Yn是同型的矩阵或向量。若Y1,Y2,...,Yn是向量，则可以是不同长度，不同方向（行或列）的向量。

VI=interpn(V,Y1,Y2,...,Yn)：默认地，X1=1:size(V,1),X2=1:size(V,2),...,Xn=1:size(V,n)，再按上面的情形计算。

VI=interpn(V,ntimes)：作ntimes递归计算，在V的每两个元素之间插入它们的n维插值。这样，V的阶数将不断增加。interpn(V)等价于interpn(V,1)。

 

4. matlab二维插值--interp2与griddata（转载）

二者均是常用的二维差值方法，两者的区别是，interp2的插值数据必须是矩形域，即已知数据点（x,y)组成规则的矩阵，或称之为栅格，可使用meshgid生成。而griddata函数的已知数据点（X，Y）不要求规则排列，特别是对试验中随机没有规律采取的数据进行插值具有很好的效果。griddata(X,Y,XI,YI,'v4') v4是一种插值算法，没有具体的名字，原文称为“MATLAB 4 griddata method”，是一种很圆滑的差值算法，效果不错。X和Y提供的已知数据点，XI和YI是需要插值的数据点，一般使用meshgrid生成，当然也可以其他数据，但是那样绘图的时候就比较麻烦，不能使用mesh等，只能使用trimesh。

示例如下：

a=[

3 3 1.5300

3 27 0.4210

5 17 0.5980

9 9 0.5900

13 25 0.4470

15 15 1

17 5 0.3830

21 21 0.3100

25 13 0.2830

27 3 0.2820

27 27 0.1200

];

x=a(:,1);

y=a(:,2);

z=a(:,3);

xtemp=linspace(min(x),max(x),100);

ytemp=linspace(min(y),max(y),100);

[X,Y]=meshgrid(xtemp,ytemp);

Z=griddata(x,y,z,X,Y,'v4');

surf(X,Y,Z)

shading interp