1、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
2、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
3、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 f
4、itting 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
5、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
6、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 Dat
7、a 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 T
8、able 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 Powe
9、r 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 Fittin
10、g 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
11、） 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 Fi
12、le 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http:/ 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
13、 = 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,MN,DF);%training datat=etime(clock,t1) %算计安排汇集所用的时候 %- plot(P2,T2,ro);%red o号显露确凿值 hold on Y=sim(net,P2); %mse = mean(T2-Y).2) %均方误差 plot(P2,Y); plot(P2,Y,b*); %blue *号表示真实值 x=10:1:11 y=sim(net,x) hold off
