一维的线性拟合算法(matlab简单的ransac算法)
1.我们初学matlab的时候,肯定会接触差值和拟合这两个知识点,因为这两个知识点对数据的而处理非常有用,今天呢我们来一起探讨一下如何从所得到的数据来实现简单的一维线性拟合。
2.下列步骤是我们此次算法的主要思路:
- Step 1 随机选取数据中的两个点,确定直线方程;
- Step 2 计算数据点到直线的距离,统计距离小于一定阈值的点的数目记为count;
- Step 3 重复Step1到Step 2一定次数,选取最大count值对应的直线为最终拟合的直线;
3.下面是所编写的matlab程序:
load('data_2.mat');%导入数据
x=Data(1,:);
y=Data(2,:);
count=zeros(1,100);
count(1)=0;
for j=2:100
a1=randperm(500,1);
b1=randperm(500,1);
x1=[x(a1) x(b1)];%产生一个随机的x点
y1=[y(a1) y(b1)];%产生一个随机的y点,与上面的x点产生呼应
a=polyfit(x1,y1,1);%得到上面两个点产生的一次方程的斜率和截距
k=a(1);b=a(2); %将斜率和截距的值赋给k和b
for i=1:500
p=abs(y(i)-k*x(i)-b)/sqrt(k*k+1);%计算每一个点到该直线的距离
if p<1
count(j)=count(j)+1;%得到距离小于1的点的个数
end
end
if count(j)>count(j-1);
x0=x1;y0=y1;
q=polyfit(x0,y0,1);
end
x5=(-35:0.1:35);
z=polyval(q,x5);
end
plot(x5,z,x,y,'x')
4.运行结果如下:
我们可以看出这个拟合的效果还是不错的,希望这个简单的算法能够帮的到你哦~~