搜索资源列表
曲线拟合
- （1）利用多项式拟合的两个模块程序求解下题： 给出 x、y的观测值列表如下： x 0 1 2 3 4 5 y 2.08 7.68 13.8 27.1 40.8 61.2 试利用二次多项式y=a0+a1x+a2x2进行曲线拟合。 （1）多项式拟合方法：假设我们收集到两个相关变量x、y的n对观测值列表： x x0 x1 x2 x3 x4 x5 y y0 y1 y2 y3 y4 y5 我
NIHE
- 基于VC++的曲线拟合。包括直线拟合，多项式拟合，对数拟合-the line nihe base of VC++
multifit
- 功能：离散试验数据点的多项式曲线拟合 调用格式：A=multifit(x,y,m) 其中：x: 试验数据点的x坐标向量 Y: 试验数据点的y坐标向量 m: 拟合多项式的次数 -Functions: discrete experimental data points, the polynomial curve fitting call format: A = multifit (x, y, m) where: x: experimental data points, x
FitCurve
- vc++实现数值拟合与逼近计算方法
polyfitconvenient
- 利用 matlab的GUI 环境编写 多项式曲线拟合程序，及其界面，由于参数的输入是实时的、拟合过程可以实时显示，因而使用非常方便。-Using matlab GUI to prepare the environment polynomial curve fitting procedures, and its interface, as input parameters in real time, the fitting process can be real-time display, whi
Project1
- 用VB编写的多项式拟合程序 Public Function funPolynomial(Num As Long, x() As Single, y() As Single, Degree As Integer, AA() As Single) As Long 多项式曲线拟合 y=a0+a1*x+a2*x^2+an*x^n Num为输入数据点个数 x()为输入数据点横坐标组成的数组 y()为输入数据点纵坐标组成的数组 Degree为要拟合的多项式曲线次数 A
hpir
- 本程序用C++语言编写了最小二乘曲线拟合的程序，在VC2008环境中运行成功，并给出了一个实例。 // 输入 - X[n]、y[n] 拟合次数（几次的多项式） // 输出 - out[n]（拟合后的节点值） dt[0]-累计平方误差 dt[1]-累计绝对误差 dt[2]-最大误差 // 输入 - X[n]、y[n] 拟合次数（几次的多项式） // 输出 - out[n]（拟合后的节点值） dt[0]-累计平方误差 dt[1]-累计绝对误差 dt[2]-最大误差-this is a
sinPolyfit
- Matlab 实现多项式曲线拟合（正弦曲线），交叉验证（十折交叉验证）-poly fit ，cross validation
不同阶次多项式模型拟合曲线
- 该代码可以画出不同阶次多项式模型的拟合曲线(Model fitting of different order polynomial)
案例三 多项式和非多项式曲线拟合
- MATLAB经典案例系列视频,多项式和非多项式曲线拟合(MATLAB classic case series video, polynomial and non polynomial curve fitting)
最小二乘法拟合曲线C语言代码
- 用最下二乘法多项式进行曲线拟合进而插值。(With the least two multiplicative polynomial for curve fitting, and then interpolation.)
遗传算法+数据传递机制+多项式和非多项式曲线拟合
- 多项式和非多项式曲线拟合；数据传递机制；遗传算法(Polynomial and non polynomial curve fitting and Data transfer mechanism)
最小二乘法分段直线拟合
- 曲线拟合是图像分析中非常重要的描述符号。最常用的曲线拟合方法是最小二乘法,然而一般的最小二乘法有一定的局限性,已经有不少学者对其进行了一些改进。进一步对最小二乘法进行改进,提出一种新的分段直线拟合算法来代替多项式曲线拟合,以达到简化数学模型的建立和减少计算的目的,使其能够更好地对点序列进行拟合。(Curve fitting is a very important descr iptor in image analysis,the most commonly used curve fitting
数据拟合
- 数据拟合：一元函数插值、样条插值、多项式插值或拟合、曲线拟合、各种边界条件的样条插值、样条拟合、二元函数插值、拉格朗日插值法(Data fitting: interpolation of unary functions, spline interpolation, polynomial interpolation or fitting, curve fitting, spline interpolation of various boundary conditions, spline fitti
曲线拟合
- 找出一大串数据，用一个函数进行逼近，或者拟合。使其误差尽可能小(Find a bunch of data, approximate it with a function, or fit it.Make the error as small as possible)
曲线拟合
- 最小二乘法实现曲线拟合，返回拟合多项式系数(Least Squares Method for Curve Fitting)
多项式和非多项式曲线拟合
- 多项式拟合在matlab中可以使用ployfit函数求解多项式系数，通过ployval函数求解拟合多项式在某数据点处的值(Polynomial and Non-polynomial Curve Fitting)
数据拟合
- 利用MATLAB进行数据拟合，常见的数据拟合方法。包括：一元函数插值、样条插值、多项式插值或拟合 、曲线拟合、拉格朗日插值法等。(MATLAB data fitting, common data fitting methods. It includes: interpolation of unitary function, spline interpolation, polynomial interpolation or fitting, curve fitting, Lagrange inte
labview拟合
- labview的曲线拟合，包括线性拟合，多项式拟合，有输入有输出(Curve fitting of LabVIEW, including linear fitting, polynomial fitting, with input and output)
PolynomialCurveFitting
- 基于python的多项式曲线拟合，本程序以1 3 5 9次为例子。(Based on the polynomial curve fitting of python, this program takes 1 3 5 9 times as an example.)