matlab非线性最小二乘拟合
答案:2 悬赏:0 手机版
解决时间 2021-04-01 05:11
- 提问者网友：锁深秋
- 2021-03-31 13:06
matlab非线性最小二乘拟合
最佳答案
- 五星知识达人网友：由着我着迷
- 2021-03-31 13:37
MATLAB的最优化工具箱中提供了lsqcurvefit()函数，可以解决最小二乘曲线拟合的问题，改函数的调用格式为：
[a,J]=lsqcurvefit(Fun,a0,x,y)
其中，Fun未原型函数的MATLAB表示，a0未最优化的初值，x，y为原始输入输出数据向量，调用该函数将可以返回待定系数向量a以及在此待定系数下的目标函数的值J.（详细可以输入 help lsqcurvefit）
具体做法是：
>>U1=inline('f(a,w)','a','w') %用a（i）分别代替六个未知数，i=1~6.
>>[xx,res]=lsqcurvefit(U1,[1 1 1 1 1 1],w,U); xx' % w和U是你试验得出来的数据向量。
结果应该会出现一个ans 向量（6维），分别就是你所要待定的系数a（i）了
[a,J]=lsqcurvefit(Fun,a0,x,y)
其中，Fun未原型函数的MATLAB表示，a0未最优化的初值，x，y为原始输入输出数据向量，调用该函数将可以返回待定系数向量a以及在此待定系数下的目标函数的值J.（详细可以输入 help lsqcurvefit）
具体做法是：
>>U1=inline('f(a,w)','a','w') %用a（i）分别代替六个未知数，i=1~6.
>>[xx,res]=lsqcurvefit(U1,[1 1 1 1 1 1],w,U); xx' % w和U是你试验得出来的数据向量。
结果应该会出现一个ans 向量（6维），分别就是你所要待定的系数a（i）了
全部回答
- 1楼网友：行雁书
- 2021-03-31 13:42
我给你个用lsqcurvefit作非线性拟合的例子，你自己照着改一下吧
另外，拟合结果是初值敏感的，因为找到的不一定是全局最优而可能是初值附近的局部最优
function Untitled3
clc
xi=[0.019,0.023,0.027]; % x data
yi=[430,380,256]; % y data
abc0=[4,0.5,5]; % initial values
abc = lsqcurvefit(@fun,abc0,xi,yi)
% target function
function y = fun(abc,x)
y = (abc(1)*(1-x/abc(2))+x/abc(2)).^abc(3);
abc =
31.2588 -3.9585 1.7033
另外，拟合结果是初值敏感的，因为找到的不一定是全局最优而可能是初值附近的局部最优
function Untitled3
clc
xi=[0.019,0.023,0.027]; % x data
yi=[430,380,256]; % y data
abc0=[4,0.5,5]; % initial values
abc = lsqcurvefit(@fun,abc0,xi,yi)
% target function
function y = fun(abc,x)
y = (abc(1)*(1-x/abc(2))+x/abc(2)).^abc(3);
abc =
31.2588 -3.9585 1.7033
我要举报
如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！
点此我要举报以上问答信息
大家都在看
推荐资讯