在 Matlab 中分段拟合具有不同数量奇点的不连续函数的简单方法

Easy way to piecewise fit in Matlab a discontinuous function with varying number of singularities

我有一些不连续的数据,我想一次对它们进行分段拟合,因为有一个拟合参数对函数的所有部分都是通用的。 不连续点的数量和位置各不相同。

我考虑过使用 class 并将不连续性索引作为数据成员,然后使用具有不同输入数量的成员函数作为我发送给 Matlab 的拟合函数的函数。

例如

function f = approximate(obj,varargin)
        f = zeros(size(varargin{1}));
        for i = 1:nargin-3
            x = varargin{1}(obj.segmentStartIdx(i):obj.segmentEndIdx(i));
            f(obj.segmentStartIdx(i):obj.segmentEndIdx(i)) = varargin{2} + (0.25*(1-x/varargin{i+2}).^-2+x/varargin{i+2}-0.25);
        end
    end

显然,这不起作用... 配合

使用
fittype = ('fp.approximate(x,A,B,C)');

Matlab 抛出以下错误:

Error using fittype/testCustomModelEvaluation (line 12)
Expression fp.approximate(x,A,B,C) is not a valid MATLAB expression, has non-scalar coefficients, or cannot be evaluated:
Error in fittype expression ==> fp.approximate(x,A,B,C)
??? Attempt to reference field of non-structure array.
Error in fittype>iCreateFittype (line 371)
    testCustomModelEvaluation( obj );

Error in fittype (line 328)
                obj = iCreateFittype( obj, varargin{:} );

Error in fit>iFit (line 157)
    model = fittype( fittypeobj, 'numindep', size( xdatain, 2 ) );

Error in fit (line 108)
[fitobj, goodness, output, convmsg] = iFit( xdatain, ydatain, fittypeobj, ...

Caused by:
    Error using fittype/evaluate (line 102)
    Error in fittype expression ==> fp.approximate(x,A,B,C)
    ??? Attempt to reference field of non-structure array.

尝试非成员函数并没有解决问题,但不确定我做错了什么...... 我已将其简化为以下函数:

function [ f ] = moreArgTestFunc( p, xData )
f = zeros(size(xData));
global segmentStartIdx;
global segmentEndIdx;
for i = 1:length(p)-1
    x = xData(segmentStartIdx(i): segmentEndIdx(i));
    f(segmentStartIdx(i):segmentEndIdx(i)) = p(1) + (0.25*(1-x/p(i+1)).^-2+x/p(i+1)-0.25);
end
end

尝试在 NonLinearModel.fit 或 nlfit 中使用它会导致以下错误:

Error using moreArgTestFunc (line 2)
Not enough input arguments.

所以我可能在这里遗漏了一些东西...

有更好的方法吗?

调用 NonLinearModel.fit、fitnlm 或 lsqcurvefit 时,必须将函数指针作为参数传递。我认为传入函数名就足够了——但显然不是。 使用匿名函数

funcToFit = @(p,x) myfunctionName(p,x)

然后传递 funcToFit 而不是 myfunctionName 作为参数解决了问题。

通过对 p 使用不同大小的向量解决了要拟合的不同数量的参数。