是否可以拟合 Matlab 中的参数曲线?
Is it possible to fit to a parametric curve in Matlab?
我想拟合由 n
维向量 data
给出的数据集(值介于 -1 和 1 之间,对应的 x 值 linspace(0,9,n)
), 到
给出的参数曲线
x = cos(t)/sqrt(1-(a/b)^2)
y = b*sin(t)-a
对于 a < b
和 0 < t < pi
。这条曲线是一个椭圆的上半部分,它已经降低到 x 轴以下 a
,并且在 -1 和 1 处与 x 轴相交。我正在拟合参数 a,b
。
在表格 y(x)
上写这个函数似乎是不可能的(编辑:不是这样,见评论 - 但是,我仍然想知道以下问题的答案:) ... Matlab 中的拟合可以从参数形式完成吗?怎么样?
谢谢。
您可以用 y = f(x)
格式编写您的函数,然后使用 fitnlm
为您的 non-linear 模型估计参数。
fh = @(x,a,b)b*sin(acos(x*sqrt(1 - (a/b)^2))) - a % Define y = f(x)
x = [-1:0.01:1]; % Generate some x values
yval = fh(x,1,2); % Calculate y values for the x
yval_ = yval + 0.1*rand(1,201); % Add artifical noise
nonLinMdl = fitnlm(x,yval_,@(p,x)fh(x,p(1),p(2)),[1.5, 2.5])
nonLinMdl =
Nonlinear regression model:
y ~ y(x,p1,p2)
Estimated Coefficients:
Estimate SE tStat pValue
________ ________ ______ __________
p1 0.71909 0.053201 13.516 5.8209e-30
p2 1.7668 0.055472 31.849 4.6625e-80
Number of observations: 201, Error degrees of freedom: 199
Root Mean Squared Error: 0.032
R-Squared: 0.988, Adjusted R-Squared 0.988
F-statistic vs. zero model: 6.36e+04, p-value = 5.87e-280
请注意,计算的参数与我们使用的参数不同(1,2)
。这可能与不同参数集的函数形状相同这一事实有关。您也可以尝试不同的起点。
ycalc = fh(x,nonLinMdl.Coefficients.Estimate('p1'),nonLinMdl.Coefficients.Estimate('p2'))
plot(x,yval_,x,ycalc)
我无法上传文件,因为我处于受限环境中,但我绘制了两个系列,模型计算值非常接近输入数据。
我想拟合由 n
维向量 data
给出的数据集(值介于 -1 和 1 之间,对应的 x 值 linspace(0,9,n)
), 到
x = cos(t)/sqrt(1-(a/b)^2)
y = b*sin(t)-a
对于 a < b
和 0 < t < pi
。这条曲线是一个椭圆的上半部分,它已经降低到 x 轴以下 a
,并且在 -1 和 1 处与 x 轴相交。我正在拟合参数 a,b
。
在表格 y(x)
上写这个函数似乎是不可能的(编辑:不是这样,见评论 - 但是,我仍然想知道以下问题的答案:) ... Matlab 中的拟合可以从参数形式完成吗?怎么样?
谢谢。
您可以用 y = f(x)
格式编写您的函数,然后使用 fitnlm
为您的 non-linear 模型估计参数。
fh = @(x,a,b)b*sin(acos(x*sqrt(1 - (a/b)^2))) - a % Define y = f(x)
x = [-1:0.01:1]; % Generate some x values
yval = fh(x,1,2); % Calculate y values for the x
yval_ = yval + 0.1*rand(1,201); % Add artifical noise
nonLinMdl = fitnlm(x,yval_,@(p,x)fh(x,p(1),p(2)),[1.5, 2.5])
nonLinMdl =
Nonlinear regression model:
y ~ y(x,p1,p2)
Estimated Coefficients:
Estimate SE tStat pValue
________ ________ ______ __________
p1 0.71909 0.053201 13.516 5.8209e-30
p2 1.7668 0.055472 31.849 4.6625e-80
Number of observations: 201, Error degrees of freedom: 199
Root Mean Squared Error: 0.032
R-Squared: 0.988, Adjusted R-Squared 0.988
F-statistic vs. zero model: 6.36e+04, p-value = 5.87e-280
请注意,计算的参数与我们使用的参数不同(1,2)
。这可能与不同参数集的函数形状相同这一事实有关。您也可以尝试不同的起点。
ycalc = fh(x,nonLinMdl.Coefficients.Estimate('p1'),nonLinMdl.Coefficients.Estimate('p2'))
plot(x,yval_,x,ycalc)
我无法上传文件,因为我处于受限环境中,但我绘制了两个系列,模型计算值非常接近输入数据。