MATLAB拟合和插值

最新推荐文章于 2024-03-16 22:17:55 发布

weixin_33849215

最新推荐文章于 2024-03-16 22:17:55 发布

阅读量241

点赞数

文章标签： matlab

原文链接：http://www.cnblogs.com/Mayfly-nymph/p/10721051.html

版权

定义

插值和拟合：

曲线拟合是指您拥有散点数据集并找到最适合数据一般形状的线（或曲线）。

插值是指您有两个数据点并想知道两者之间的值是什么。中间的一半是他们的平均值，但如果你只想知道两者之间的四分之一，你必须插值。

拟合

我们着手写一个线性方程图的拟合：

y=3x^3+2x^2+x+2

首先我们生成一组数据来分析：

x=-5:0.5:5;
e=50*rand(1,length(x))-25;%制造[-25,25]的随机数作为误差
y=3*x.^3+2*x.^2+x+2+e;%得到y值
plot(x,y,'.')

x =

  Columns 1 through 6

   -5.0000   -4.5000   -4.0000   -3.5000   -3.0000   -2.5000

  Columns 7 through 12

   -2.0000   -1.5000   -1.0000   -0.5000         0    0.5000

  Columns 13 through 18

    1.0000    1.5000    2.0000    2.5000    3.0000    3.5000

  Columns 19 through 21

    4.0000    4.5000    5.0000


y =

  Columns 1 through 6

 -350.0110 -248.6360 -169.3421  -89.5653  -88.2298  -57.7238

  Columns 7 through 12

  -32.5505    2.3308   11.5861    9.0123   -0.4538    5.7254

  Columns 13 through 18

   -2.1840   30.3596   20.4478   73.2138   88.1756  152.0492

  Columns 19 through 21

  236.2809  334.3864  411.0563

这时候x,y作为已知数据存在，要求我们拟合x,y的散点图，这时候会用到polyfit这个函数。

语法

p = polyfit(x,y,n)
[p,S] = polyfit(x,y,n)
[p,S,mu] = polyfit(x,y,n)

说明

p = polyfit(x,y,n) 返回阶数为 n 的多项式 p(x) 的系数，该阶数是 y 中数据的最佳拟合（在最小二乘方式中）。p 中的系数按降幂排列，p 的长度为 n+1

[p,S] = polyfit(x,y,n) 还返回一个结构体 S，后者可用作 polyval 的输入来获取误差估计值。

[p,S,mu] = polyfit(x,y,n) 还返回 mu，后者是一个二元素向量，包含中心化值和缩放值。mu(1) 是 mean(x)，mu(2) 是 std(x)。使用这些值时，polyfit 将 x 的中心置于零值处并缩放为具有单位标准差

plot(x,y,'.')%已知数据的散点图
hold on
d=polyfit(x,y,2);%进行线性拟合，假设函数为二次函数
y1=d(1)*x.^2+d(2)*x+d(3);
plot(x,y1)//绘制猜测的函数

明显不符合，我们继续猜测

plot(x,y,'.')
hold on
d=polyfit(x,y,3);
y1=d(1)*x.^3+d(2)*x.^2+d(3)*x+d(4);
plot(x,y1)

拟合成功。

插值

一维插值

以上面的数据为例子

x=-5:0.5:5;
e=50*rand(1,length(x))-25;%制造[-25,25]的随机数作为误差
y=3*x.^3+2*x.^2+x+2+e;%得到y值
%插值
x2=-5:0.1:5;
y2=interp1(x,y,'x2,'spline');
plot(x2,y2,'r+')

二维插值

语法

[X,Y] = meshgrid(x,y)

[X,Y] = meshgrid(x)

[X,Y,Z] = meshgrid(x,y,z)

[X,Y,Z] = meshgrid(x)

说明

[X,Y] = meshgrid(x,y) 基于向量 x 和 y 中包含的坐标返回二维网格坐标。X 是一个矩阵，每一行是 x 的一个副本；Y 也是一个矩阵，每一列是 y 的一个副本。坐标 X 和 Y 表示的网格有 length(y) 个行和 length(x) 个列。

[X,Y] = meshgrid(x) 与 [X,Y] = meshgrid(x,x) 相同，并返回网格大小为 length(x)×length(x) 的方形网格坐标。

[X,Y,Z] = meshgrid(x,y,z) 返回由向量 x、y 和 z 定义的三维网格坐标。X、Y 和 Z 表示的网格的大小为 length(y)×length(x)×length(z)。

[X,Y,Z] = meshgrid(x) 与 [X,Y,Z] = meshgrid(x,x,x) 相同，并返回网格大小为 length(x)×length(x)×length(x) 的三维网格坐标。

我们先绘制一个三维的图像

[x,y]=meshgrid(-5:1:5,-10:2:10);
z=12-x.^3-y.^3;
surf(x,y,z)

给人的感觉是很“粗糙”的，这时候我们使用插值，增加数据。

[x0,y0]=meshgrid(-5:0.2:5,-10:0.4:10);
z0=interp2(x,y,z,x0,y0,'spline');
surf(x0,y0,z0)

问题

1、已知以下实验测量数据，

	1	1.5	2.5	3	4.5
	-0.86	13.66	90.25	152.57	473.70

（1）请画出以上数据的散点图；

（2）请用合适的多项式拟合上述数据；

（3）请用三次样条一次插值以上数据.

2、已知网格化数据如下：

	-1	-0.5	0	0.5	1
-2	1.77	1.12	0.32	0.44	-2.35
-1	1.62	1.29	0.94	-1.49	-0.78
0	0.23	-1.01	-0.74	1.08	-0.13
1	-0.61	-0.41	-0.63	-0.05	1.44
2	-2.94	-0.22	0.56	0.17	1.73

请用三次样条二次插值法插出更光滑精细的曲面.

答案

%1-(1)
clc,clear
x=[1 1.5	2.5 3 4.5];
y=[-0.86	13.66 90.25 152.57 473.70];
plot(x,y,'.');

%1-(2)
d=polyfit(x,y,1);
y1=d(1)*x+d(2);
plot(x,y,'.');
plot(x,y1);%对比线性图与散点图，发现不匹配
d=polyfit(x,y,2);
y1=d(2)*x.^2+d(2)*x+d(3);
plot(x,y,'.');
plot(x,y1);%对比线性图与散点图，发现匹配成功，拟合完成

%1-(3)
x=[1 1.5 2.5 3 4.5];
y=[-0.86	13.66 90.25 152.57 473.70];
x1=[1:0.1:4.5];
y1=interp1(x,y,x1,'spline');
plot(x,y,x1,y1);

%2
[x1,y1]=meshgrid(-2:1:2,-1:0.5:1);
z1=[1.77 1.21 0.32 0.44 -2.35;1.62 1.29 0.94 -1.49 -0.78;0.23 -1.01 -0.74 1.08 -0.13;...
-0.61 -0.41 -0.63 -0.05 1.44;-2.94 -0.22 0.56 0.17 1.73];
surf(x1,y1,z1)
[x,y]=meshgrid(-1:0.1:1, -2:0.2:2);
z=interp2(x1,y1,z1,x,y,'spline');
surf(x,y,z)

转载于:https://www.cnblogs.com/Mayfly-nymph/p/10721051.html