lab 5 / Лекция 5 - Аппроксимация
.pdfАппроксимация 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
Весна 2021 |
Пакет Matlab. Лекция 5 |
41 |
Функция для аппроксимации обобщенным многочленом
Весна 2021 |
Пакет Matlab. Лекция 5 |
42 |
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)
Весна 2021 |
Пакет Matlab. Лекция 5 |
43 |
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.
Весна 2021 |
Пакет Matlab. Лекция 5 |
44 |
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.)
Весна 2021 |
Пакет Matlab. Лекция 5 |
45 |
Сглаживание экспериментальных данных (dim)
Определяет направление сглаживание, если у является матрицей.
dim |
Описание |
|
|
1 |
Сглаживание проводится по строкам |
|
|
2 |
Сглаживание проводится по столбцам |
|
|
Весна 2021 |
Пакет Matlab. Лекция 5 |
46 |
Сглаживание экспериментальных данных (method )
method |
Описание |
|
|
'movmean' |
Скользящего среднего (по умолч.) |
|
|
'movmedian' |
Бегущих медиан. Полезен при наличии |
|
грубых ошибок |
|
|
'gaussian' |
Скользящее среднее с определением |
|
среднего, как средневзвешенного по Гауссу |
|
|
'lowess' |
Линейная регрессия по каждому окну. |
|
Требовательна к вычислительным ресурсам |
|
|
'loess' |
Квадратичная регрессия по каждому окну |
|
|
Весна 2021 |
Пакет Matlab. Лекция 5 |
47 |
Сглаживание экспериментальных данных (method )
method |
Описание |
|
|
'rlowess' |
Устойчивая линейная регрессия по каждому окну. |
|
Еще требовательней, чем lowess, к ресурсам, но |
|
более устойчив к грубым ошибкам |
|
|
'rloess' |
Устойчивая квадратичная регрессия по каждому |
|
окну. Еще требовательней, чем loess, к ресурсам, |
|
но более устойчив к грубым ошибкам |
|
|
'sgolay' |
Фильтр Savitzky-Golay, который сглаживает |
|
согласно квадратичному полиному, который |
|
адаптирован по каждому окну. Эффективен в |
|
случае быстроменяющихся данных |
|
|
Весна 2021 |
Пакет Matlab. Лекция 5 |
48 |
Функция для выполнения
сглаживания
Весна 2021 |
Пакет Matlab. Лекция 5 |
49 |
Результат работы функции для выполнения сглаживания
>>my_smooth(15)
Весна 2021 |
Пакет Matlab. Лекция 5 |
50 |