matlab非线性拟合函数（matlab拟合以下非线性函数有什么拟合函数吗）

本文目录

• matlab拟合以下非线性函数有什么拟合函数吗
• matlab 多元非线性函数拟合
• matlab求助：
• matlab非线性拟合问题
• matlab求非线性拟合
• matlab非线性拟合
• 如何用matlab对四维数据进行非线性拟合
• matlab拟合非线性函数
• matlab二元非线性拟合

matlab拟合以下非线性函数有什么拟合函数吗

对于非线性函数，可以用nlinfit( )函数来拟合，其一般格式 = nlinfit(x,y,func,x0);针对你的问题，可以通过下列方式func=inline(’0.826^2-a(1).^2*sin(a(2)+(t-1)*pi/10))^0.5-a(1).*cos(a(2)+(t-1)*pi/10’,’a’,’t’)式中：a=a(1),k=a(2)t0= = nlinfit(t,y,func,t0);

matlab 多元非线性函数拟合

因为这个函数的形式比较特殊，对其两边取对数后得到log(y)=log(a)+b*log(x1)+c*log(x2)于是立即就转换为了线性拟合\log(y);%就这一句话就搞定了a=exp(p(1)),b=p(2),c=p(3)%这就是拟合后的参数值y%这是采样点y的值a*x1.^b.*x2.^c%这是拟合后在采样点得到的值，可以和y比较一下，很接近。

matlab求助：

MATLAB非线性拟合函数无非有两种nlinfit和lsqcurvefit函数。详细查看帮助！下面用lsqcurvefit函数进行拟合！clearf=@(p,c)71.97-p(1)*log(1+p(2)*c);%拟合公式p(1)为P1，p(2)为Kc=’;Y=’;%我把你的数据转置为行向量了p0=;% 设置初值p=lsqcurvefit(f,p0,c,Y)%运行后得到p = 13.3450 49.9935%故拟合参数P1为13.3450，K为49.9935，Y=71.97-13.3450*ln(1+49.9935*c)希望我的回答能解决你的问题！

matlab非线性拟合问题

d. 非线性曲线拟合利用MATLAB的内建函数函数名 描述FMINBND 只解决单变量固定区域的最小值问题FMINSEARCH 多变量无约束非线性最小化问题（Nelder-Mead 方法）。下面给出一个小例子展示一下如何利用FMINSEARCH1． 首先生成数据》》 t=0:.1:10; 》》 t=t(:); 》》 Data=40*exp(-.5*t)+rand(size(t)); % 将数据加上随机噪声2．写一个m文件，以曲线参数作为输入，以拟合误差作为输出 function sse=myfit(params,Input,Actural_Output)A=params(1);lamda=params(2);Fitted_Curve=A.*exp(-lamda*Input);Error_Vector=Fitted_Curve-Actural_Output;%当曲线拟合的时候，一个典型的质量评价标准就是误差平方和sse=sum(Error_Vector.^2);%当然，也可以将sse写作：sse=Error_Vector(:)*Error_Vector(:);3． 调用FMINSEARCH》》 Strarting=rand(1,2);》》 options=optimset(’Display’,’iter’);》》 Estimates=fiminsearch(@myfit,Strarting,options,t,Data);》》 plot(t,Data,’*’);》》 hold on》》 plot(t,Estimates(1)*exp(-Estimates(2)*t),’r’); Estimates将是一个包含了对原数据集进行估计的参数值的向量。 附图见后面：FMINSEARCH通常能够用来解决不连续情况，特别是如果他们不出现在解的附近的时候。它得到的通常也是局部解。FMINSEARCH只能够最小化实数值（也就是说，解的域必须只能包括实数，函数的输出只能够为实数值）。当感兴趣的是复数变量的域的时候，他们必须被分割为实部与虚部。※2.MATLAB的FIGURE窗口：最基本的拟合界面与数据统计工具MATLAB通过基本的拟合界面也支持基本曲线拟合。利用这个界面，你可以快速地在简单易用的环境中实现许多基本的曲线拟合。这个界面可以实现以下功能：a． 通过比样条插值（spline interpolant）、hermite 插值、或者是高达10阶的多项式插值实现数据的拟合；b． 对给定数据同时实现多样插值的绘制；c． 绘制残差图；d． 检查拟合结果的残差的数值；e． 通过内插值或者外推插值评价一个拟合结果；f． 对拟合结果和残差的模进行图形绘制；g． 将拟合结果保存入MATLAB工作空间。开发你的拟合应用的时候，你可以通过基本拟合（Basic Fitting）界面，也可以通过命令行函数，也可以同时作用。你可以通过基本拟合界面只能够实现2－D数据的拟合。然而，如果你用subplot绘制多个数据集，只要有至少一个数据集是2D的，那么就可以用基本拟合界面。可以通过如下步骤激活基本拟合界面：1． 绘制数据；2． 从figure窗口的 Tools 菜单条下面选择Basic Fitting 菜单项；有关Basic Fitting界面的更多信息，请查阅MATLAB帮助文档的相应部分。注意：对于HP，IBM以及SGI平台，MATLAB6.0（R12.0）以及MATLAB6.1(R12.1)的基本拟合界面不受支持。数据统计界面可以用来对图形中的每个数据集进行统计量的计算。可以通过如下步骤将数据统计界面激活：1． 制数据；2． 从figure窗口的 Tools 菜单条下面选择Data Statistics 菜单项； 关于采用matlab进行指定非线性方程拟合的问题(2) 一。优化工具箱函数LSQNONLIN 解决非线性最小二乘法问题，包括非线性数据拟合问题LSQCURVEFIT 解决非线性数据拟合问题下面给出利用这两个函数的例子：LSQNONLIN：利用这个函数最小化连续函数只能够找到句柄解。下面的例子说明利用LSQNONLIN函数用下面的函数进行拟合： f = A + B exp(C*x)+D*exp(E*x)对数据集x与y进行拟合，其中y是在给定x的情况下的期望输出(可以是方程给出数组，也可以是单独数据组成的数组)。为了解决这个问题，先建立下面的名为 fit_simp.m的函数，它利用数据x与y，将他们作为优化输入参数传递给LSQNONLIN。利用给定的数据x计算f的值，再与原始数据y进行比较。经验值与实际计算出的值之间的差异作为输出值返回。LSQNOLIN函数就是最小化这些差的平方和。function diff = fit_simp(x,X,Y)% 此函数被LSQNONLIN调用% x 是包含等式系数的向量% X 与 Y 是作为操作数传递给lsnonlinA = x(1);B = x(2);C = x(3);D = x(4);E = x(5);diff = A + B.*exp(C.*X)+D.*exp(E.*X)-Y;下面的脚本是利用上面定义的fit_simp.m函数的一个例子：％ 定义你打算拟合的数据集合》》 X=0:.01:.5;》》 Y=2.0.*exp(5.0.*X)+3.0.*exp(2.5.*X)+1.5.*rand(size(X));％ 初始化方程系数》》 X0=’;％ 设置用中等模式（memdium-scale）算法》》 options=optimset(’Largescale’,’off’);％ 通过调用LSQNONLIN重现计算新的系数》》 x=lsqnonlin(@fit_simp,X0,,options,X,Y);％ 调用LSQNONLIN结果输出表明拟合是成功的Optimization terminated successfully:Gradient in the search direction less than tolFunGradient less than 10*(tolFun+tolX)％ 绘制原始数据与新的计算的数据》》 Y_new=x(1)+x(2).*exp(x(3).*X)+x(4).*exp(x(5).*X);》》 plot(X,Y,’+r’,X,Y_new,’b’);※注意：LSQNONLIN 只可以处理实数变量。在处理包括复数变量的实例的拟合的时候，数据集应该被切分成实数与虚数部分。下面给出一个例子演示如何对复数参数进行最小二乘拟合。为了拟合复数变量，你需要将复数分解为实数部分与虚数部分，然后把他们传递到函数中去，这个函数被LEASTSQ作为单个输入调用。首先，将复数分解为实部与虚部两个向量。其次，将这两个向量理解成诸如第一部分是实部、第二部分是虚部。在MATLAB函数中，重新装配复数数据，并用你想拟合的复数方程计算。将输出向量分解实部与虚部，将这两部分连接为一个单一的输出向量传递回LEASTSQ。下面，给出一个例子演示如何根据两个复数指数拟合实数X与Y。建立方程：function zero = fit2(x,X,Y)% 根据输入x重建复数输入cmpx = x(1:4)+i.*x(5:8);% 利用复数计算函数zerocomp = cmpx(1).*exp(cmpx(2).*X) + cmpx(3).* exp(cmpx(4).*X)-Y;% 将结果转换成一个列向量% 其中第一部分是实部，第二部分是虚部numx = length(X); % 实部长度zero=real(zerocomp); %实部zero(numx+1:2*numx)=imag(zerocomp); % 虚部 为了评价计算这个函数，需要X与Y数据集。LSQNONLIN将根据它拟合出下面方程中的参数a，b，c与d： Y = a*exp(b*X)+c*exp(d*X);其中，a，b，c与d是复数变量。》》 X=0:.1:5;》》 Y=sin(X);》》 Y=Y+.1*rand(size(Y))-.05;》》 cmpx0=;》》 x0(1:4)=real(cmpx0);》》 x0(5:8)=imag(cmpx0);》》 x=leastsq(@fit2,x0,,X,Y);》》 cmpx=x(1:4)+i.*x(5:8);》》 Y1=real(cmpx(1).*exp(cmpx(2).*X)+cmpx(3).*exp(cmpx(4).*X));》》 plot(X,Y1,’r’);》》 hold on》》 plot(X,Y,’+’);二。LSQCURVEFIT：利用此函数可以在最小二乘意义上解决非线性曲线拟合（数据拟合）问题。也就是说，给定输入数据xdata，以及观测的输出数据ydata，找到系数x，使得函数F(x，xdata)能够最好的拟合向量值。LSQCURVEFIT利用与LSQNONLIN相同的算法。它的目的在于专门为数据拟合问题提供一个接口。在拟合的时候，2维、3维或者N维参数拟合是没有什么差别的。下面给出一个3维参数拟合的例子。待拟合函数是： z = a1*y.*x..^2+a2*sin(x)+a3*y.^3;建立的myfun.m的函数如下：function F = myfun(a, data);x = data(1,:);y = data(2,:);F= a(1)*y.*x.^2+a(2)*sin(x)+a(3)*y.^3;下面的脚本展示了这么利用上面的函数： 》》 xdata= ;》》 ydata= ;》》 zdata= ;》》 data=;》》 a0= ; % 初识揣测》》 = lsqcurvefit(@myfun,a0,data,zdata)Maximum number of function evaluations exceeded;increase options.MaxFunEvalsa = 0.0088 -34.2886 -0.0000resnorm = 2.2636e+004》》 format long》》 aa = 0.00881645527493 -34.28862491919983 -0.00000655131499》》 option=optimset(’MaxFunEvals’,800);》》 , option)Optimization terminated successfully:Relative function value changing by less than OPTIONS.TolFuna = 0.00740965259653 -20.21201417111138 -0.00000502014964resnorm = 2.195886958305428e+004

matlab求非线性拟合

在科学计算和工程应用中，经常会遇到需要拟合一系列的离散数据，最近找了很多相关的文章方法，在这里进行总结一下其中最完整、几乎能解决所有离散参数非线性拟合的方法第一步：得到散点数据根据你的实际问题得到一系列的散点例如：x=’;%加上一撇表示对矩阵的转置y=’;第二步：确定函数模型根据上述的实际散点确定应该使用什么样的曲线，或者说是想要模拟的曲线t=’;tt=’; plot(t,tt,’.’);%得到散点图散点图如下所示：我们已知现存的几种典型的（也是绝大多数情况下的函数模型）选定一个与散点图像相匹配的函数模型，在此例中我们选择典型的S型曲线模型y= 1/(a+b*e^(-x))，其实此处的函数模型可以任意。第三步：确定选用函数模型中的未知参数 首先了解一下matlab中的inline函数，inline是用来定义内联函数的比如说：y=inline(’sin(x)’,’x’) %第一个参数是表达式，第二个参数是函数变量y(0) %计算sin(0)的值y(pi) %计算sin(pi)的值q=quad(y,0,1); %计算sin(x) 在0到1上的积分 之后，我们在代码中进行函数的定义x=’;y=’; my

matlab非线性拟合

x^a+y^b=1的最小二乘法拟合，可以用matlab的nlinfit函数来拟合。实现代码clcx=; %已知数据n=length(x);X=;y=ones(1,n);func=@(a,x)1-x(1)^a(1)-x(2)^a(2);X0=;a= nlinfit(X,y,func,X0);b=a(2),a=a(1)

如何用matlab对四维数据进行非线性拟合

如你有数据和数据模型函数y=f(x1,x2,x3)，可以用lsqcurvefit（）或nlinfit（）等拟合函数来求解其模型函数的系数。实现方法如下：x1=x2=x3=x=y=func=@(a，x)数据模型函数表达式，如y=a1x1^2+a2x2^2+a3x3^2+a4b= %初值，自己定值a=lsqcurvefit(func,b,x,y) %a——模型函数的系数，a可以是a1,a2,a3,...或a = nlinfit(x,y,func,b)y1=func(a,x) %计算拟合后函数的y值 %比较原始数据y与拟合数据y1的 对比

matlab拟合非线性函数

线性模型、非线性模型是以待优化参数W为参考（而不是看X）。y = w’ * x （’表示转置）描述的是线性模型。题目中要拟合的函数是：y = w0 + w1 cos a + ... + wn cosna，它同样符合y = w’ * x，其中x = (1 cosa ... cosna)’。设x构成的集合是X，y构成的集合是Y，可依据最小二乘法求出W = (XX’)^-1 *X*Y。所以程序是：n=3;%拟合到cos3xx=linspace(0,2*pi,100);%数据集y=1+2*cos(x)-3*cos(3*x)+rand(1,length(x));%加噪声X=cos((0:n)’*x);Y=y’;W=(X*X’)^-1*X*Y; %求解系数plot(x,y,’o’,x,W’*cos((0:n)’*x)); %画图查看PS：MATLAB问题提问请设置问题分类为编程。

matlab二元非线性拟合

直接把下面的代码复制到M文件器中保存运行即可。需要说明的是，拟合问题和初值关系很大，我这里给的初值是经过多次调整得到的。目前得到的结果是结果应该还有可能进一步提高，例如可以修改优化算法设置的TolFun参数为更小的值。function zd499535361% x0 = ;x0 = ;opt = optimset(’MaxFunEvals’, 1E4, ’MaxIter’, 5E4);x = lsqcurvefit(@f,x0,,opt);a = x(1)b = x(2)c = x(3)d = x(4)% 绘图比较拟合结果和原始数据z = a*X.^b + c*Y.^d;plot(Z, ’.-’)hold onplot(z, ’ro’)function F = f(x, xdata)a = x(1);b = x(2);c = x(3);d = x(4);x = xdata(1, :);y = xdata(2, :);F = a*x.^b + c*y.^d;