MATLAB学习--------2019/7/21

最新推荐文章于 2021-08-15 10:28:28 发布

立里∑

最新推荐文章于 2021-08-15 10:28:28 发布

阅读量507

点赞数 1

本文链接：https://blog.csdn.net/qq_41218103/article/details/96747187

版权

曲线拟合最小二乘法

最小二乘法的Matlab实现：

解方程组法：
（1）确定系数：
$J(a_{1},\cdots,a_{m})=||RA-Y||_{2}^{2}$
MATLAB中线性最小二乘的标准形式为
$\mathop{min}\limits_{A}||RA-Y||_{2}^{2}$
命令为 :A=R\Y
例5.5

x=[19 25 31 38 44]';
y=[19.0 32.3 49.0 73.3 97.8]';
r=[ones(5,1),x.^2]      %ones(5,1)意思是生成5行1列的全1阵
ab=r\y
x0=19:0.1:44;
y0=ab(1)+ab(2)*x0.^2;
plot(x,y,'o',x0,y0,'r')

多项式拟合方法：
MATLAB命令：
a=polyfit(x0,y0,m)
其中： $x0,y0为要拟合的数据，m为拟合多项式的次数，输出参数a为拟合多项式：y=a(1)x^{m}+\cdots+a(m)x+a(m+1)的系数向量a=[a(1),\cdots,a(m),a(m+1)]$

多项式在x处的值y：
y=polyval(a,x);

例5.6

x0=1990:1:1996;
y0=[70,122,144,152,174,196,202];
plot(x0,y0,'*')
%由图可知，利润直线上升所以用y=a1x+b函数
a=polyfit(x0,y0,1);
y1=polyval(a,1997)
y2=polyval(a,1998)

最小二乘优化
（1）把由若干个子函数的平方和构成的函数写成： $F(x)=\sum_{i=1}^{m}{f_{i}^{2}(x)},x\in R^{n}$
式中： $x=[x_{1},\cdots,x_{n}]^{T}$ ;
把极小化此类函数的问题
$\qquad F(x)=\sum_{i=1}^{m}{f_{i}^{2}(x)}$
称为最小二乘优化问题
（2）
在这里插入图片描述
（3）总结：MATLAB中用于解决此类问题的函数：lsqlin,lsqcurvefit,lsqnonlin,lsqnonneg

Isqlin函数
求解：
$\mathop{min}\limits_{x} \quad\frac{1}{2} ||C·x-d||_{2}^{2}$
$s_{.}t_{.}=\left\{ \begin{aligned} A ·x \leq b \\ Aeq ·x=beq \\ lb\leq x \leq ub \end{aligned} \right.$
命令：x=lsqlin(c,d,A,b,Aeq,beq,lb,ub,x0)
Isqcurvefit函数
给定输入输出数列xdata,ydata,求参量x，使
$\mathop{min}\limits_{x} \quad ||F(x,xdata)-ydata||_{2}^{2}=\sum_{i}(F(x,xdata_{i})-ydata_{i})^{2}$
命令：x=lsqlin(fun,x0,xdata,ydata,lb,ub,options)
lsqnonlin函数
求解非负的x，使得：
$\mathop{min}\limits_{x} \quad ||C·x-d||_{2}^{2}$
命令：x=lsqnonlin（C,d,options）

MATLAB曲线拟合图形界面解法：
命令:cftool,给出了一维数据的拟合

曲线拟合与函数逼近
原文地址：https://wenku.baidu.com/view/cf56be0e6ad97f192279168884868762caaebb24.html

在这里插入图片描述

切米雪夫多项式函数

加权最小方差拟合(WLS)
根据基础数据准确性的不同，在拟合时给每个数据以不同的加权数值
WLS拟和数据的函数：

function [th,err,yi]=polyfits_W_L_S(x,y,N,xi,r)
%x,y：数据点系列
%N：多项式拟合的系统,x的阶数
%r:加权系数的逆矩阵

M=length(x);
x=x(:);
y=y(:);
if nargin==4
    if length(xi)==M
        r=xi;
        xi=x;
    else
        r=1;
    end
elseif nargin==3
        xi=x;
        r=1;
end
%求解系数矩阵
    A(:,N+1)=ones(M,1);
    for n=N:-1:1
        A(:,n)=A(:,n+1).*x;
    end
    if length(r)==M
        for m=1:M
            A(m,:)=A(m,:)/r(m);
            y(m)=y(m)/r(m);
        end
    end
    %计算拟合系数（th）
    th=(A\y)';
    ye=polyval(th,x);
    err=norm(y-ye)/norm(y);
    yi=polyval(th,xi);
end

实例：在MATLAB中输入以下代码：

x=[-3:1:3]';
y=[1.1650,0.0751,-0.6965,0.0591,0.6268,0.3516,1.6961]';
[x,i]=sort(x);
% sort(A)若A是向量不管是列还是行向量，默认都是对A进行升序排列。sort(A)是默认的升序，而sort(A,'descend')是降序排序。
% sort(A)若A是矩阵，默认对A的各列进行升序排列
% sort(A,dim)
% dim=1时等效sort(A)
% dim=2时表示对A中的各行元素升序排列


y=y(i);
xi=min(x)+[0:100]/100*(max(x)-min(x));
for i=1:4
N=2*i-1;
[th,err,yi]=polyfits_W_L_S(x,y,N,xi); 
subplot(2,2,i);
plot(x,y,'o');
hold on
plot(xi,yi,'-');
grid on
end