matlab曲线拟合怎么写

1. matlab曲线拟合怎么写

x=[26.3 33.5 39.1 43.1 47.0 50.0 54.5 56.8 64.9 72.0 77.0];
y=[8.85 8.17 7.49 7.16 6.81 6.58 6.21 5.91 5.48 5.11 5.98];
%多项式拟合
n=1;
A=polyfit(x,y,n);  %n是给定的多项式的次数，拟合出来的结果A是系数向量
y1=polyval(A,x);  %计算出拟合的y值
plot(x,y,'k*',x,y1,'r-');  %画出数据对比图，黑点是原始数据，红线是拟合曲线

%指定函数拟合
f=fittype('a*e^(b*x)+c');    %引号里的是你的函数模型，默认是以x为自变量，其余为待定参数
fity=fit(x,y,f)    %曲线拟合，会给出拟合结果
%再根据给出的结果计算出新的y值，画图神马的

2. 如何用matlab数据拟合函数

3. matlab函数拟合

简单的方法：首先定义x和y，然后cftool(x,y)（它是自带拟合工具箱）。这时你会得到一个含有数据点的界面。点击第二个按钮“fitting”——>“new fit”在"type of fit"中选择你想用的拟合方法（默认为多项式拟合），并在下面的大方框中选择次数等具体形式。——>"Apply"——>"save to workspace"，三个选项中的第一个表示拟合结果的表达式。把它保存后，在主窗口的“workspace”中查看它就行了。
复杂一点的就是你自己编写插值公式。

4. matlab自定义函数拟合

matlab中的非线性拟合函数nonlinfit具有强大的用自己定义的一个任意函数来拟合数据的功能。

最常见的调用形式为
BETA = nlinfit(X,Y,MODELFUN,BETA0)
BETA为待拟合的参数，X为自变量（矩阵），Y为应变量（向量），MODELFUN为自定义的拟合函数（function handle 型数据），BETA0为BETA的初始值（向量）。

X可以是矩阵，当有多列时，每一列均为一个自变量。
MODELFUN有特定的格式。MODELFUN接受2个参数，第一个是待拟合的参数矢量，第二个是自变量矩阵。
模板函数定义案例：
模型：y=ax^2+bx+c
定义模型函数代码：f_model=@(b,x)b(1)*x.^2+b(2)*x+b(3);   %定义时要注意x是一个矢量
BETA0是迭代算法的参数初始值，当模型函数复杂时，拟合的好坏会受初始值的影响。

扩展：
matlab还提供了配套的函数nlparci与nlpredci，这两个函数可以求出参数与预测值的拟合误差。

5. 用matlab拟合一组数据 已知拟合函数形式

1 使用m文件，程序见附件
调用方式及结果：
X=[1 2 3 4 5 6]; Y=[0.07049 0.14229 0.287221 0.287221 0.14229 0.07049];
>> [fitresult, gof] = createFit_v1(X, Y)

fitresult = 

     General model:
     fitresult(x) = a*exp(-((x-L/2)/b)^2)
     Coefficients (with 95% confidence bounds):
       L =           7  (6.436, 7.564)
       a =      0.3008  (0.2456, 0.3559)
       b =       -1.89  (-2.302, -1.478)

gof = 

           sse: 0.0014
       rsquare: 0.9713
           dfe: 3
    adjrsquare: 0.9522
          rmse: 0.0216



2,直接使用cftool工具箱

6. matlab 一元一次线性拟合函数函数

>> clear
>> x1=[124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802];
y=[17566.6 21410.8 25104.86 29867.4 34975.8 41464.1 42464.87 53417.03 55830.92 60606.6817 66544.8]; 
>> p=polyfit(x1,y,1)
p =
  1.0e+005 *
    0.0001   -7.6258
%则y=p (1)*x+p(2)

7. 怎么用MATLAB拟合函数的系数

直接使用polyfit函数，这个函数是用来实现多项式拟合的，你的函数可以看做是一个一次多项式，y与sin（x）的一次多项式

x=[1,2,3,4,5,6,7,8,9,10];
y=[7,3,6,8,2,4,10,16,2,8];
p=polyfit(sin(x),y,1)
A=p(1)
C=p(2)

8. 如何使用matlab拟合一组数据，要求拟合出来的拟合函数要固定一种函数。

x=[1;1.5;2;2.5;3];
y=[0.9;1.7;2.2;2.6;3];
p=fittype('a*x.^0.5+b*lnx+c','independent','x')
f=fit(x,y,p)
plot(f,x,y);
上面是代码！
下面是结果：
a=2.818
b=0.8552
c=-0.6627