方法/步驟
1/5
在進行曲線擬合之前需要對資料進行繪圖,透過圖形來對資料的基本趨勢進行一個大概的判斷,便於進一步擬合。
%繪製圖形:
x=1:1:9;
y=[9 7 6 3 -1 2 5 7 20];
plot(x,y,"r*");
2/5
3/5
在重新整理後的圖形視窗中,觀察幾條曲線和離散資料的逼近程度,選取最有曲線所對應的階數進行多項式擬合。由圖形可知,對於本例,三次多項式模型與四階多項式模型對於本組離散資料都要較好的擬合度,且兩條曲線大致重合,故而我們選用相對容易求解的三次多項式模型進行擬合。
4/5
接下來採用三次多項式模型進行擬合:
%多項式擬合
p=polyfit(x,y,3);
xi=1:0.2:10;
yi=polyval(p,xi);
plot(xi,yi,x,y,"r*");
擬合結果如下:
其中p為降冪排列的多項式的係數。
5/5
P=polyfit(x,y,N); %N多項式擬合函式,返回降冪排列的多項式係數
yi=polyval(P,xi); %計算以P向量為係數的多項式在xi處的值
方法/步驟
1/5
在進行曲線擬合之前需要對資料進行繪圖,透過圖形來對資料的基本趨勢進行一個大概的判斷,便於進一步擬合。
%繪製圖形:
x=1:1:9;
y=[9 7 6 3 -1 2 5 7 20];
plot(x,y,"r*");
2/5
3/5
在重新整理後的圖形視窗中,觀察幾條曲線和離散資料的逼近程度,選取最有曲線所對應的階數進行多項式擬合。由圖形可知,對於本例,三次多項式模型與四階多項式模型對於本組離散資料都要較好的擬合度,且兩條曲線大致重合,故而我們選用相對容易求解的三次多項式模型進行擬合。
4/5
接下來採用三次多項式模型進行擬合:
%多項式擬合
x=1:1:9;
y=[9 7 6 3 -1 2 5 7 20];
p=polyfit(x,y,3);
xi=1:0.2:10;
yi=polyval(p,xi);
plot(xi,yi,x,y,"r*");
擬合結果如下:
其中p為降冪排列的多項式的係數。
5/5
P=polyfit(x,y,N); %N多項式擬合函式,返回降冪排列的多項式係數
yi=polyval(P,xi); %計算以P向量為係數的多項式在xi處的值