matlab实验数据plot绘图曲线如何圆滑？

1. matlab实验数据plot绘图曲线如何圆滑？

本视频展示如何用matlab绘制散圆状态图，可用于相关科研数据绘图！

2. 如何利用MATLAB对数据进行曲线拟合

您好，这样的：一、 单一变量的曲线逼近
Matlab有一个功能强大的曲线拟合工具箱 cftool ，使用方便，能实现多种类型的线性、非线
性曲线拟合。下面结合我使用的 Matlab R2007b 来简单介绍如何使用这个工具箱。
假设我们要拟合的函数形式是 y=A*x*x + B*x, 且A>0,B>0 。
1、在命令行输入数据：

》x=[110.3323 148.7328 178.064 202.8258033 224.7105 244.5711 262.908 280.0447 
296.204 311.5475]

》y=[5 10 15 20 25 30 35 40 45 50]

2、启动曲线拟合工具箱
》cftool

3、进入曲线拟合工具箱界面“Curve Fitting tool”
（1）点击“Data”按钮，弹出“Data”窗口；
（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然
后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数
据集的曲线图；
（3）点击“Fitting”按钮，弹出“Fitting”窗口；
（4）点击“New fit”按钮，可修改拟合项目名称“Fit name”，通过“Data set”下拉菜单
选择数据集，然后通过下拉菜单“Type of fit”选择拟合曲线的类型，工具箱提供的拟合类
型有：
Custom Equations：用户自定义的函数类型 
Exponential：指数逼近，有2种类型， a*exp(b*x) 、 a*exp(b*x) + c*exp(d*x) 
Fourier：傅立叶逼近，有7种类型，基础型是 a0 + a1*cos(x*w) + b1*sin(x*w) 
Gaussian：高斯逼近，有8种类型，基础型是 a1*exp(-((x-b1)/c1)^2) 
Interpolant：插值逼近，有4种类型，linear、nearest neighbor、cubic spline、shape-
preserving 
Polynomial：多形式逼近，有9种类型，linear ~、quadratic ~、cubic ~、4-9th degree ~ 
Power：幂逼近，有2种类型，a*x^b 、a*x^b + c 
Rational：有理数逼近，分子、分母共有的类型是linear ~、quadratic ~、cubic ~、4-5th 
degree ~；此外，分子还包括constant型 
Smoothing Spline：平滑逼近（翻译的不大恰当，不好意思） 
Sum of Sin Functions：正弦曲线逼近，有8种类型，基础型是 a1*sin(b1*x + c1) 
Weibull：只有一种，a*b*x^(b-1)*exp(-a*x^b) 
选择好所需的拟合曲线类型及其子类型，并进行相关设置：
——如果是非自定义的类型，根据实际需要点击“Fit options”按钮，设置拟合算法、修改
待估计参数的上下限等参数；
——如果选Custom Equations，点击“New”按钮，弹出自定义函数等式窗口，有“Linear 
Equations线性等式”和“General Equations构造等式”两种标签。
在本例中选Custom Equations，点击“New”按钮，选择“General Equations”标签，输入函
数类型y=a*x*x + b*x，设置参数a、b的上下限，然后点击OK。

3. 如何用折线拟合一条曲线，matlab

你得要先想想用什么拟合方法适用于你的数据，如果是线性的，就用一根直线得了；如果是多项式，也很容易；要是指数函数对数函数，都可以先将数字进行处理或者利用对数坐标、指数坐标进行绘制。一般曲线用每三点一个二次函数就可以咯。

4. 请教大家，我在MATLAB中输入了实验数据和一条拟合曲线，如何对比拟合曲线相对于真实数据的精确度？程序如

求个相对误差不就行了吗
ex=0.18*(2*x).^(-0.6)+0.012*(2*x).^(-0.08567);
delta=(y-ex)./ex;
plot(x,delta);

5. MATLAB数据分析与曲线拟合实验

cftool

6. 如何使用matlab 2014a 做数据曲线拟合

方法一、用数据拟合工具箱 Curve Fitting Tool打开CFTOOL工具箱。在matlab的command window中输入cftool，即可进入数据拟合工具箱。

输入两组向量x，y。
       首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
       例如在命令行里输入下列数据:
x = [196,186, 137, 136, 122, 122, 71, 71, 70, 33];
y = [0.012605; 0.013115; 0.016866; 0.014741; 0.022353; 0.019278; 0.041803; 0.038026; 0.038128; 0.088196];

数据的选取。打开曲线拟合共工具界面，点击最左边的X data和Y data，选择刚才输入的数据，这时界面中会出现这组数据的散点图。

选择拟合方法，点击Fit

左侧results为拟合结果，下方表格为误差等统计数据。
方法二、用神经网络工具箱1、打开神经网络工具箱，在command window内输入nftool，进入Neural fitting tool

2、导入数据，点击next，导入Inputs为x，Targets为y。

3、选择网络参数，点击next，选择训练集和测试集数量，点next，选隐藏层节点个数。


4、训练数据，点next，选train。

5、绘制拟合曲线，训练完成后电机plot fit

训练结果参数在训练完后自动弹出

神经网络工具箱可以用command写，请搜索关键字matlab 神经网络工具箱函数。
方法三、用polyfit函数写        polyfit函数是matlab中用于进行曲线拟合的一个函数。其数学基础是最小二乘法曲线拟合原理。曲线拟合：已知离散点上的数据集，即已知在点集上的函数值，构造一个解析函数（其图形为一曲线）使在原离散点上尽可能接近给定的值。
        调用方法：a=polyfit(xdata,ydata,n)，
        其中n表示多项式的最高阶数，xdata，ydata为将要拟合的数据，它是用数组的方式输入。输出参数a为拟合多项式 y=a1x^n+...+anx+a,共n+1个系数。
%例程A=polyfit(x,y,2);z=polyval(A,x);plot(x,y,'r*',x,z,'b')
方法四、自行写算法做拟合       请参考数值分析教科书，拟合、插值方法较多，算法并不复杂，灵活套用循环即可

7. 在matlab中如何将散点与拟合曲线表示在同一个图中？

t=[0:54];
y=[1.4712 1.45327 1.44467 1.42513 1.41487 1.40393 1.382667 1.3706 1.35807 1.34513 1.33187 1.3186 1.3048 1.29107 1.27733 1.2637 1.25007 1.2366 1.2311 1.2179 1.2049 1.19226 1.17993 1.175 1.1631 1.15167 1.14727 1.13633 1.125733 1.12193 1.11187 1.108533 1.099 1.0898 1.08693 1.078267 1.0758 1.0676 1.06547 1.0591 1.05586 1.0486 1.04707 1.0402 1.03893 1.03253 1.03153 1.02553 1.0248 1.019267 1.0188 1.013733 1.0134 1.01367 1.0088];
plot(t,y,'o');
hold on
p=polyfit(t,y,2)
y1=polyval(p,t);
plot(t,y1)

8. 如何用MATLAB对二组数据同时进行曲线拟合

1、首先打开电脑上的“matlab”软件，在命令行输入x=0:2*pi/8:2*pi确定x的取值，使用y=sin(x)产生正弦函数的数值，使用x和y的数据进行拟合，方便验证拟合结果。

2、接着在命令行输入cftool，打开matlab自带的曲线拟合工具箱。

3、曲线拟合工具箱的界面如下图所示，方框处可以选择拟合的数据。

4、选择自变量为x，因变量为y，接下来点击方框处选择拟合方法，可以根据自己的需要选择，此处点击“sum of sine”进行正弦曲线拟合。

5、选择拟合方法后，系统会自动对数据进行拟合，拟合结果如方框处所示。