1、Matlab curve fitting tool 的用法在 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
2、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 se
3、t 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 Se
4、t 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
5、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
6、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
7、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，
8、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 = 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
