matlab拟合曲线方程确定系数

代码见附图.

使用polyfit函数就可以拟合曲线了比如给出的坐标分别是x和y,则有P=polyfit(x,y,3)这样得到的P就是多项式的系数.这里的3指的是三次多项式!祝你学习愉快!再问：我想把曲线变得更平滑一

x=[1997199819992000200120022003200420052006200720082009];y=[5156513865267434847596881070311384123431

如上所述,采用polyfit来拟合,二次多项式polyfit(x,y,2)x=[0.110.130.190.210.270.370.530.590.710.790.891.07];y=[3868-10

clc,clearallx=[-20.0000 -15.0000 -12.5000 -10.0000 -7.5000 -5.0000 -2.

对于线性函数,除了polyfit（）,还可以用regress（）等对于非线性函数,可以用lsqcurvefit（）或nlinfit（）等根据你提供的数据,可以拟合成如下关系Q=0.52429N^1.6

两边取自然对数lnY=lnA-BX,令Z=lnY,C=-B,D=lnAZ=CX+D拟合这个直线就OK

好像是最小二乘拟合：最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来,最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单,编制程序也不困难,所以它颇受人们重视,应用相当

x=[27560000,55120000,82680000,88192000,110240000,137800000]y=[1743170000,1894750000,2053220000,20670

y=[00.060.110.170.230.280.340.400.460.520.590.650.720.800.870.961.051.161.311.55]';x=[20.0218.9517.7

曲线总可以用参数方程描述：X=x(t),Y=y(t),Z=z(t),不妨假设x(t),y(t),z(t)是关于t的多项式函数,那么：x（t）=x0+x1*t+x2*t^2.给定一组参数就有一条曲线,并

这样好些,比多项式精度高许多.functionhhx=[123456];y=[214575949898];b0=[111111];a=nlinfit(x,y,@mymodel,b0)xx=min(x)

fprintf('y=%f*x+%f',p(1),p(2));再问：Thankyou。能用，采纳。非常感谢。

这些插值方法最后一般得到的是分段的多项式函数,有pp或b两种保存形式.举个例子clear;clc;x=1:4;y=sin(x);p=spline(x,y)运行后可以看到结构体p如下p=form:'pp

可用matlab曲线拟合工具箱,里面有各式各样的拟合函数可供选用...x=[367   379   414   

clear>>i=[20,30,40,50,60,70,80,90,100,110,120];>>vi=[0,0,43,143,303,497,650,805,913,1000,1075];>>A=[

可能是因为P(v)对参数b太敏感,成为病态函数.可以改写函数成ln(-ln(1-P))=bln((v-v0)/(va-v0)).代码如示：v=[3252347638146615807594381044

Matlab可以用regress但推荐用1stOpt软件,可以自动搜索最合适的曲线方程

%1非线性拟合warningoffx=[100200400600800]';y=[406080120150]';f=fittype('a+b*x^m');options=fitoptions('a+b

可以用matlab的拟合工具箱做啊,一定要用代码吗?拟合工具箱对于拟合曲线是非常好用的,你在matlab工作区输入cftool就把工具箱调出来了,个人近期在用,觉得不错再问：我matlab一点都不懂，