Matlabcurvefittingtool用法图文精选教学教程.docx
《Matlabcurvefittingtool用法图文精选教学教程.docx》由会员分享，可在线阅读，更多相关《Matlabcurvefittingtool用法图文精选教学教程.docx（11页珍藏版）》请在冰点文库上搜索。
Matlabcurvefittingtool用法图文精选教学教程
Matlabcurvefittingtool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16
set（gca,'FontS',16）
%在规定坐标位置加文字说明
text（-2,40,'y=7sin（x）+x^2-0.1e^x+Noise','FontS',16）
%坐标轴显示范围
axis（[-66-1550]）
运行结果：
Fig-1
拟合步骤如下：
1）打开Curvefittingtool:
在命令窗中直接键入cftool，这时显示出拟合工具窗的GUI：
Fig-2
2）选择Data，在XData和YData中选择数据，必要的话加上权数据，在Datasetname框中给你拟合的数据起名（例如xy），然后按Createdataset，则数据在拟合工具窗显现。
Fig-3
3）按Fitting键，显示拟合编辑器：
Fig-4
按Creatdataset，我们从数据窗中看到了刚才保存的拟合数据xy。
Fig-5
在拟合曲线类型框（Typeoffit）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,比如选择3次多项式（CubicPloynomial）
CustomEquations代表用户自定义函数。
Expotentiale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）
SmoothSpline光滑样条插值
Sumofsinfunctions正弦函数类
Weibull威布尔函数
Fig-6
4）如果Typeoffit中没有所需的拟合函数形式，就需要自己编写，这时，在Typeoffit中选择CustomEquation，顺序单击Newfit®New健，出现方程编辑框：
Fig-7
如果自编方程不是广义线性函数的形式，就选择GeneralEquation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
Fig-8
5）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：
Fig-9
想把这个拟合的图像导出的话，在CurveFittingTool窗口的File菜单下选PrinttoFigure，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。
这些结果包括：
Ø拟合函数的形式；
Ø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。
Ø拟合优度的判断。
关于拟合优度。
拟合窗的Fitoptions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）curvefittingtool->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：
Fig-9
Fig-10
以上数据可以按Savetoworkspace保存。
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
Generalmodelofsin1:
.......（函数形式）
Coefficients（with95%conffidencerange）（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）....Godnessoffit:
（统计结果）
SSE:
...（方差）
R-squared:
...（决计系数，不知道做什么的）
AdjustedR-squared:
...（改良后的决定系数，如何校正的不得而知）
RMSE:
...（模范差）
升级会员 