MATLAB.Exponenta
–Û·Ë͇ Matlab&Toolboxes

Основы работы в Curve Fitting Toolbox \ Curve Fitting Toolbox

В оглавление книги \ К следующему разделу

Функции Curve Fitting Toolbox

Параметрические и непараметрические модели

Для создания объекта с параметрической или непараметрической моделью применяется функция fittype, во входных аргументах которой указывается имя модели из библиотеки моделей, или линейная или нелинейная пользовательская параметрическая модель. Примеры приведены в разделах:

  • Приближение без создания объекта с параметрической моделью
  • Приближение с созданием объекта для параметрической модели
  • Приближение с созданием объекта для пользовательской линейной параметрической модели.
  • Приближение с созданием объекта для пользовательской нелинейной параметрической модели.

Кроме того, для модели можно задавать границы изменения параметров, начальные приближения, опции, управляющие вычислительным алгоритмом. В модели могут быть также постоянные параметры, значения которых указываются при подборе параметров во входных аргументах функции fit.

Далее мы приведем входящие в библиотеку Curve Fitting Toolbox параметрические и непараметрические модели и рассмотрим задание основных опций. Для вывода списка всех моделей библиотеки Curve Fitting Toolbox в командное окно есть удобная функция cflibhelp. Она выводит все параметрические и непараметрические модели, а в самом начале выводятся названия типов моделей. Для просмотра моделей одного типа достаточно указать имя типа как параметр cflibhelp, например

>> cflibhelp gaussian

или

>> cflibhelp interpolant

Параметрические модели библиотеки Curve Fitting Toolbox

Для создания объекта с параметрической моделью следует во входном аргументе функции fittype указать имя модели:

>> ftype = fittype('ИмяПараметрическойМодели')

Далее в таблицах приведены имена параметрических моделей из библиотеки Curve Fitting Toolbox, сгруппированных по типам.

Непараметрические модели библиотеки Curve Fitting Toolbox

Для создания объекта с непараметрической моделью следует во входном аргументе функции fittype указать имя модели:

>> ftype = fittype('ИмяНепараметрическойМодели')

Далее в таблицах приведены имена параметрических моделей из библиотеки Curve Fitting Toolbox, сгруппированных по типам.

Более подробно про интерполяцию сплайнами в приложении cftool, входящем в Curve Fitting Toolbox, написано в разд. Стандартные параметрические и непараметрические модели.

Примеры приближения сглаживающими сплайнами приложении cftool, входящем в Curve Fitting Toolbox, приведены в разд. Стандартные параметрические и непараметрические модели.

Приведем пример приближения данных

>> x=(0:0.05:3)';
>> y=1.55*x+5*exp(-x)-2+0.05*randn(size(x));

сглаживающим сплайном без использования приложения cftool. Сначала создается объект с непараметрической моделью:

>> ftype = fittype('smoothingspline')
ftype =
     Smoothing spline:
       ftype(p,x) = piecewise polynomial computed from p

Далее необходимо при помощи функции fitoptions сформировать управляющую структуру opts, в которой будет выбран метод приближения (в данном случае 'Smooth', соответствующий сглаживанию сплайнами) и значение параметра сглаживающего сплайна, которое мы возьмем равным 0.9:

>> opts = fitoptions('Method','Smooth','SmoothingParam',0.9);

Осталось вызвать функцию fit для построения сплайна и plot для визуализации данных и построения графика получившегося сглаживающего сплайна:

>> fresult = fit(x,y,ftype,opts)
>> plot(fresult,x,y)


Приближение данных сглаживающим сплайном

В оглавление книги \ К следующему разделу


Поиск по сайту:

Система Orphus

Яндекс.Метрика