lab 5 / Лекция 5 - Аппроксимация

Аппроксимация обобщенным многочленом

Для определения коэффициентов аппроксимационной зависимости используется функция

my_aprox=fit (x, y, my_model, Name,Val) my_aprox – возвращаемая функция

x,y – исходные данные, таблица узлов (х) и значений (у) my_model – имя модели, которое задано функцией fittype Name, Val – опции, заданные в виде пары Имя опции, ее значение.

Значения пар Name, Val см. в

https://docs.exponenta.ru/curvefit/fit.html#bto2vuv-1-fitOptions

Функция для аппроксимации обобщенным многочленом

Результат работы функции для аппроксимации обобщенным многочленом

Вызов в сценарии или в другой функции: fn=‘путь к файлу\Experiment_data.txt' N=1;

my_linfit3(fn,N)

Сглаживание экспериментальных данных (smooth)

Для сглаживания методом скользящего среднего (скользящих медиан) используют функцию:

S=smooth(y)

S – вектор сглаженных значений

y – вектор значений, которые необходимо сгладить

Считается, что узлы расположены равномерно.

Если у является матрицей, то сглаживание идет по всей матрице. Более качественный результат получается, если сглаживать матрицу по строкам/столбцам.

Сглаживание экспериментальных данных (smoothdata)

Сглаживание элементов вектора с помощью фиксированной длины окна, которая определяется эвристическим образом

S = smoothdata(y, dim, method, window)

S – вектор сглаженных значений

y – вектор значений, которые необходимо сгладить dim – задает направление расчета, если у – матрица (не обязат.)

method – метод сглаживания (не обязат.)

window – длина окна сглаживания – целое положительное число (не обязат.)

Сглаживание экспериментальных данных (dim)

Определяет направление сглаживание, если у является матрицей.

Сглаживание экспериментальных данных (method )

Сглаживание экспериментальных данных (method )

Функция для выполнения

сглаживания

Результат работы функции для выполнения сглаживания

>>my_smooth(15)