matlab拟合曲线已知x=f(y) 如何反解

这种简单的问题就不要再问啦首先写symsx然后把这个表达式抄进matlab,记得把p1-p7的值也抄进去然后用ezplot（f）就可以了,如果设定横坐标范围,我没记错的话,格式是ezplot（f,[7

采用插值法知道了一些点(x,y,z)坐标,怎样用MATLAB绘制出三维曲面?至于做出拟合函数z=f（x,y）可以输入sftool启动曲面拟合工具箱,输入xyz数据选用合适的函数拟合

x=0:10;y=[131846981762894426418921202];p=polyfit(x,y,3);s=vpa(poly2sym(p))f=polyval(p,x);plot(x,f,x,

x=[0,2,3,4.5,5,6.5,8,10,12.5,15,18.5,20,22,23.5]';y=[0,10,15,20,25,30,35,40,45,50,55,57.5,60,62]

首先,描点；其次,观察点的走向,看看用符合什么曲线,并假设出曲线方程；最后,拟合出曲线方程中的参数.\(^o^)/~再问：具体函数？再答：数据？

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

一般要有具体的函数形式,最简单的是多项式,但这样的模型没有什么物理意义.有了具体函数后可选用一些寻优函数,如fmin系列的fminsearch、fminbnd、fminunc、fmincon等等,求一

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

将以下程序保存为fun1.m文件,放在工作目录中,备用functionP=fun1(p,xdata)P=p(1)+p(2)*xdata+p(3)*（xdata.^3）然后在matlab命令中输入以下内

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

x=0:0.1:0.9;y=[2.02.523.083.684.325.05.726.487.288.12];c0=[000];c=nlinfit(x,y,@myfun,c0)运行结果c=8.8192

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)

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=[

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