• MATLAB实现插值和拟合


    插值问题
    在应用领域中,由有限个已知数据点,构造一个解析表达式,由此计算数据点之间的函数值,称之为插值。
    实例:海底探测问题
    某公司用声纳对海底进行测试,在5×5海里的坐标点上测得海底深度的值,希望通过这些有限的数据了解更多处的海底情况。并绘出较细致的海底曲面图。
    一、一元插值
    一元插值是对一元数据点(xi,yi)进行插值。
    1.  线性插值:由已知数据点连成一条折线,认为相临两个数据点之间的函数值就在这两点之间的连线上。一般来说,数据点数越多,线性插值就越精确。
    调用格式:yi=interp1(x,y,xi,’linear’)  %线性插值
    zi=interp1(x,y,xi,’spline’)  %三次样条插值
    wi=interp1(x,y,xi,’cubic’)  %三次多项式插值
    说明:yi、zi、wi为对应xi的不同类型的插值。x、y为已知数据点。
    例1:已知数据:
    x 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
    y .3 .5 1 1.4 1.6 1.9 .6 .4 .8 1.5 2
    求当xi=0.25时的yi的值。
    程序:
    x=0:.1:1;
    y=[.3 .5 1 1.4 1.6 1 .6 .4 .8 1.5 2];
    yi0=interp1(x,y,0.025,'linear')
    xi=0:.02:1;
    yi=interp1(x,y,xi,'linear');
    zi=interp1(x,y,xi,'spline');
    wi=interp1(x,y,xi,'cubic');
    plot(x,y,'o',xi,yi,'r+',xi,zi,'g*',xi,wi,'k.-')
    legend('原始点','线性点','三次样条','三次多项式')
    结果:yi0 =  0.3500

    要得到给定的几个点的对应函数值,可用:
    xi =[ 0.2500  0.3500  0.4500]
    yi=interp1(x,y,xi,'spline')
    结果:
    yi =1.2088  1.5802  1.3454
    (二) 二元插值
    二元插值与一元插值的基本思想一致,对原始数据点(x,y,z)构造见世面函数求出插值点数据(xi,yi,zi)。
    一、单调节点插值函数,即x,y向量是单调的。
    调用格式1:zi=interp2(x,y,z,xi,yi,’linear’)
    ‘liner’ 是双线性插值 (缺省)
    调用格式2:zi=interp2(x,y,z,xi,yi,’nearest’)
    ’nearest’ 是最近邻域插值
    调用格式3:zi=interp2(x,y,z,xi,yi,’spline’)
    ‘spline’是三次样条插值
    说明:这里x和y是两个独立的向量,它们必须是单调的。z是矩阵,是由x和y确定的点上的值。z和x,y之间的关系是z(i,:)=f(x,y(i)) z(:,j)=f(x(j),y) 即:当x变化时,z的第i行与y的第i个元素相关,当y变化时z的第j列与x的第j个元素相关。如果没有对x,y赋值,则默认x=1:n, y=1:m。n和m分别是矩阵z的行数和列数。
    例2:已知某处山区地形选点测量坐标数据为:
    x=0  0.5  1  1.5  2  2.5  3  3.5  4  4.5  5
    y=0  0.5  1  1.5  2  2.5  3  3.5  4  4.5  5  5.5  6
    海拔高度数据为:
    z=89 90 87 85 92 91 96 93 90 87 82
       92 96 98 99 95 91 89 86 84 82 84
       96 98 95 92 90 88 85 84 83 81 85
       80 81 82 89 95 96 93 92 89 86 86
       82 85 87 98 99 96 97 88 85 82 83
       82 85 89 94 95 93 92 91 86 84 88
       88 92 93 94 95 89 87 86 83 81 92
       92 96 97 98 96 93 95 84 82 81 84
       85 85 81 82 80 80 81 85 90 93 95
       84 86 81 98 99 98 97 96 95 84 87
       80 81 85 82 83 84 87 90 95 86 88
       80 82 81 84 85 86 83 82 81 80 82
       87 88 89 98 99 97 96 98 94 92 87
    其地貌图为:

    对数据插值加密形成地貌图。
    程序:
    x=0:.5:5;
    y=0:.5:6;
    z=[89 90 87 85 92 91 96 93 90 87 82
       92 96 98 99 95 91 89 86 84 82 84
       96 98 95 92 90 88 85 84 83 81 85
       80 81 82 89 95 96 93 92 89 86 86
       82 85 87 98 99 96 97 88 85 82 83
       82 85 89 94 95 93 92 91 86 84 88
       88 92 93 94 95 89 87 86 83 81 92
       92 96 97 98 96 93 95 84 82 81 84
       85 85 81 82 80 80 81 85 90 93 95
       84 86 81 98 99 98 97 96 95 84 87
       80 81 85 82 83 84 87 90 95 86 88
       80 82 81 84 85 86 83 82 81 80 82
       87 88 89 98 99 97 96 98 94 92 87];
    mesh(x,y,z)  %绘原始数据图
    xi=linspace(0,5,50);  %加密横坐标数据到50个
    yi=linspace(0,6,80);  %加密纵坐标数据到60个
    [xii,yii]=meshgrid(xi,yi);  %生成网格数据
    zii=interp2(x,y,z,xii,yii,'cubic');  %插值
    mesh(xii,yii,zii)  %加密后的地貌图
    hold on     % 保持图形
    [xx,yy]=meshgrid(x,y);  %生成网格数据
    plot3(xx,yy,z+0.1,'ob')  %原始数据用‘O’绘出

    2、二元非等距插值
    调用格式:zi=griddata(x,y,z,xi,yi,’指定插值方法’)
    插值方法有: linear          % 线性插值   (默认)
                 bilinear     % 双线性插值
                 cubic        % 三次插值
                 bicubic      % 双三次插值
                 nearest      % 最近邻域插值
    例:用随机数据生成地貌图再进行插值
    程序:
    x=rand(100,1)*4-2;
    y=rand(100,1)*4-2;
    z=x.*exp(-x.^2-y.^2);
    ti=-2:.25:2;
    [xi,yi]=meshgrid(ti,ti); % 加密数据
    zi=griddata(x,y,z,xi,yi);% 线性插值
    mesh(xi,yi,zi)
    hold on
    plot3(x,y,z,'o')

    拟合

    简单多项式拟合

    x=[0,1,2,3,4,5,7,8,9,10]

    y=[0.3 ,0.5, 1, 1.4, 1.6, 1.6, 1.4, 1.8, 1.5, 2];

    aa=polyfit(x,y,2);%2的位置表示函数的最高系数,aa是函数方程

    a=aa(1)%第一个参数

    b=aa(2)%第二个参数

    c=aa(3)%第三个参数

    y=polyval(aa,x);%根据函数方程获取的到y

    plot(x,y,'r');%r获取的是直线,k+获取的是点,应该使用拟合后的直线画图

  • 相关阅读:
    java基础>包、访问权限、命名规范
    jsp>Session
    java基础>String类
    jsp>包含指令和forward指令
    jsp>response
    word不能输入中文
    java基础>正则表达式
    EJB>一对多及多对一映射
    Struts2>运行机制
    EJB>调用存储过程
  • 原文地址:https://www.cnblogs.com/henuliulei/p/9473260.html
Copyright © 2020-2023  润新知