Matlab_curve_fitting_tool的用法图文结合.doc

Matlab curve fitting tool的用法MATLAB拟合工具箱可以方便地拟合一元函数。我们先来构造一个带有误差的数据：其中噪声Noise服从4倍标准正态分布：，然后利用MATLAB拟合工具箱进行拟合。在命令窗拷入以下代码% 产生模拟数据x=-6:0.2:6;y=7*sin(x)+x.2-0.1*exp(x)+4*randn(size(x); % 画出模拟数据曲线，颜色：黑，线宽：2, 标记大小：8，形状：圆圈plot(x,y,Color,k,LineW,2,MarkerSize,8,Marker,o)% 坐标字符大小16set(gca,FontS,16)% 在规定坐标位置加文字说明text(-2,40,y=7sin(x)+x2-0.1ex+Noise,FontS,16)% 坐标轴显示范围axis(-6 6 -15 50)fig1拟合步骤如下：1） 打开Curve fitting tool: 在命令窗中直接键入 cftool，这时显示出拟合工具窗的GUI：fig22） 选择Data，在X Data 和 Y Data 中选择数据，必要的话加上权数据，在 Data set name 框中给你拟合的数据起名(例如 xy)，然后按Create data set，则数据在拟合工具窗显现。fig33） 按Fitting 键，显示拟合编辑器：fig4我们从数据窗中看到了刚才保存的拟合数据xy。在拟合曲线类型框（Type of fit）中有很多类拟合函数形式，比如选中多项式后，下面的窗口会显示不同次数的多项式选项。fig54） 如果Type of fit中没有所需的拟合函数形式，就需要自己编写，这时，在Type of fit中选择 Custom Equation，顺序单击New fit New健，出现方程编辑框：fig6如果自编方程不是广义线性函数的形式，就选择General Equation例如本题可写给你的拟合函数起个名字，例如user1，以后遇到类似的函数形式拟合时，可以调用。给定初值后按ok fig75） 在fitting窗中选择Apply这时在图形窗显示拟合的结果的同时，results 给出拟合结果：fig8这些结果包括： 拟合函数的形式； 参数的估计以及95%的置信区间。其含义是：如果拟合残差的分布是以0为期望值的正态分布，那么所给的区间有95%的可能性包含参数的真值。 拟合优度的判断。关于拟合优度。拟合窗的Fit options 中可以对拟合算法、拟合区域、置信度以及参数初值等做出选择。7） curve fitting tool-Analysis中可以根据给定的x值输出拟合值、一阶导数值、二阶导数值和积分的值，例如我们的拟合节点为从-6到6，间隔0.1,希望给出拟合值、一阶导数值和相应的图，则构选相应的功能，可得出下面的结果：fig9显然，以上数据可以单击界面上的Save to workspace键保存；fig10fig1fig2fig3fig4fig5fig6fig7fig8fig9fig10在Matlab 6.5以上的境况下，在左下方有一个Start按钮，好像Windows的最先菜单，点开它，在目次Toolboxes下有一个Curve Fitting，点开Curve Fitting Tool，显露数据拟合东西界面，根基上全体的数据拟合和回归认识都可以在这边进行。底下给你粗略先容一下它的使用方法。首先在Matlab的夂箢行输入两个向量，一个向量是你要的x坐目标各个数据，其它一个是你要的y坐标的各个数据。输入今后假如叫x向量与y向量，可以在workspace内里瞥见这两个向量，要保障这个向量的元素数类似，借使纷歧致的话是不行在工具箱里面进行拟合的。比方在命令行里输入下列数据: x=(0:0.02:0.98); y=sin(4*pi*x+rand(size(x); 此时x-y之间的函数相似的为正弦干系，频率为2，但是生活一个偏差项。可以通过作图看出它们的大致分布: plot(x,y,*,markersize,2); 掀开曲线拟合共工具界面，点击最左边的Data.按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项入选取x向量，Y Data选项中抉择y向量，如果两个向量的元素数相通，那么Create data set按钮就激活了，此时点击它，天生一个数据组，映现鄙人方Data Sets列表框中。紧闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。点击Fitting.按钮，出现Fitting对话框，Fitting对话框分为两部门，上头为Fit Editor，下面为Table of Fits,有时刻窗口界面对比小，Fit Editor部分会被收起来，只消把Table of Fits上方的横条往下拉就可以看见Fit Editor。在Fit Editor里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中方才创办的x-y数据组，然后在Type of fit选框中选取拟合或回归规范，各个类型的拟合或回归呼应的分别是： Custom Equations 用户自界说函数 Expotential e指数函数 Fourier 傅立叶函数，含有三角函数 Gaussian 正态分布函数，高斯函数 Interpolant 插值函数，含有线性函数，搬动均匀等类型的拟合 Polynomial 多项式函数 Power 幂函数 Rational 有理函数（不太了了，没有若何用过） Smooth Spline ？（润滑插值大概光滑拟合，不太清楚） Sum of sin functions正弦函数类 Weibull 威布尔函数（没用过）欠好兴趣，没有学过数理统计，以是许多器具都是用了才清楚，翻译也就不太正确。不外在Type of fit选框下方有一个列表框，基本上各个函数类里的函数都写成领会式列在下方以供选择，所以找符合的函数仍旧比较简单的。在这个Type of fit选框中选择好合适的类型，并选好合适的函数形式。因而点击Apply按钮，就开始进行拟合或者回归了。此时在Curve Fitting Tool窗口上就会出现一个拟合的曲线。这即是所要的效率。在上面的例子中，选择sum of sin functions中的第一个函数形式，点击Apply按钮，就可以看见拟合取得的正弦曲线。在Fitting对话框中的Results文本框中显示有这回拟合的首要统计音信，主要有 General model of sin1: . (函数形式） Coefficients (with 95% conffidence range) (95%致信区间内的拟合常数） a1=. ( . .) （等号后头是平均值，括号里是范畴） . Godness of fit: (统计结果） SSE: . （方差） R-squared: . (决计系数，不知道做什么的） Adjusted R-squared: . (改良后的决定系数，如何校正的不得而知） RMSE: . (模范差）上面的例子中颠末拟合得到的函数最终为 y=0.9354*sin(12.36x+6.886) 频率为1.98加减0.03，和向来创立的频率为2符合，相对误差为1.5%。这曲直线拟合工具箱的一个最简单的使用方法，上面尚有很多效力，写是写不完的，本身参照这个基本的思绪，翻着英汉辞书，看着资助，然后一个按钮一个按钮的试吧。另外要说的是，如果想把这个拟合的图像导出的话，在Curve Fitting Tool窗口的File菜单下选Print to Figure，此时弹出一个新的图像窗口，里面是你要导出的图像，在这个figure窗口的File菜单里再选Export，选择好合适的形式，寻常是jpeg，选择好途径，点击OK就可以了。出来的图像可以在Word等编纂环境中使用，就未几说了。要窜改图像的性子，如数据点的巨细、颜料等等的，只需求在东西上点右键，就差不多可以找到了。” 上面所说的X，Y向量就是样本点。下面是转载的网址，期望有用途/viewthread.php?tid=28854&extra=&page=1 ilovematlab是个不错的论坛，我也是刚察觉，不过帮助很大，基本的题目在那城市有谜底。 ,谢谢了，我仍旧知道啦,通过图取样本点，X=.,Y=. polyfit(X,Y,3)可以得到拟合函数进而得到概率分布函数 ,可以用newrb()或其他函数！不久前我做过一个尝试，是y=x的拟合，可以稍稍修改下即可以下为我的源代码，希望有所帮助 %已知y=x(-1/2),x分别取1:9 通过磨练拟合，猜想x=10和11时的y值 clear all; P=1:1:9; T=P.(1/2); P2=1:1:11; T2=P2.(1/2); % 神经元数逐渐加添,最多就是训练样本个数 goal = 1e-10; % 训练误差的平方和(默以为0) spread = 10; % 此值越大,需要的神经元就越少(默许为1) MN = size(P,2); % 最大神经元数(默认为训练样本个数) DF = 1; % 显示隔断(默认为25) t1=clock; % 计时开始 net = newrb(P,T,goal,spread,M