動態擬合演算法

❶ MATLAB建模方法有哪些

首先，Matlab是一個工具，它不是一個方法。

其次，我給你推薦一本書
《MATLAB 在數學建模中的應用（第2版）》

然後它的目錄可以回答你的問題：
第1章 數學建模常規方法及其MATLAB實現
1.1 MATLAB與數據文件的交互
1.1.1 MATLAB與Excel的交互
1.1.2 MATLAB與TXT交互
1.1.3 MATLAB界面導入數據的方法
1.2 數據擬合方法
1.2.1 多項式擬合
1.2.2 指定函數擬合
1.2.3 曲線擬合工具箱
1.3 數據擬合應用實例
1.3.1 人口預測模型
1.3.2 薄膜滲透率的測定
1.4 數據的可視化
1.4.1 地形地貌圖形的繪制
1.4.2 車燈光源投影區域的繪制（CUMCM2002A）
1.5 層次分析法（AHP）
1.5.1 層次分析法的應用場景
1.5.2 AHPMATLAB程序設計

第2章 規劃問題的MATLAB求解
2.1 線性規劃
2.1.1 線性規劃的實例與定義
2.1.2 線性規劃的MATLAB標准形式
2.1.3 線性規劃問題解的概念
2.1.4 求解線性規劃的MATLAB解法
2.2 非線性規劃
2.2.1 非線性規劃的實例與定義
2.2.2 非線性規劃的MATLAB解法
2.2.3 二次規劃
2.3 整數規劃
2.3.1 整數規劃的定義
2.3.2 01整數規劃
2.3.3 隨機取樣計演算法

第3章 數據建模及MATLAB實現
3.1 雲模型
3.1.1 雲模型基礎知識
3.1.2 雲模型的MATLAB程序設計
3.2 Logistic回歸
3.2.1 Logistic模型
3.2.2 Logistic回歸MATLAB程序設計
3.3 主成分分析
3.3.1 PCA基本思想
3.3.2 PCA步驟
3.3.3 主成分分析MATLAB程序設計
3.4 支持向量機（SVM）
3.4.1 SVM基本思想
3.4.2 理論基礎
3.4.3 支持向量機MATLAB程序設計
3.5 K均值（KMeans）
3.5.1 KMeans原理、步驟和特點
3.5.2 KMeans聚類MATLAB程序設計
3.6 樸素貝葉斯判別法
3.6.1 樸素貝葉斯判別模型
3.6.2 樸素貝葉斯判別法MATLAB設計
3.7 數據建模綜合應用
參考文獻

第4章 灰色預測及其MATLAB實現
4.1 灰色系統基本理論
4.1.1 灰色關聯度矩陣
4.1.2 經典灰色模型GM（1,1）
4.1.3 灰色Verhulst模型
4.2 灰色系統的程序設計
4.2.1 灰色關聯度矩陣的程序設計
4.2.2 GM（1,1）的程序設計
4.2.3 灰色Verhulst模型的程序設計
4.3 灰色預測的MATLAB程序
4.3.1 典型程序結構
4.3.2 灰色預測程序說明
4.4 灰色預測應用實例
4.4.1 實例一長江水質的預測（CUMCM2005A）
4.4.2 實例二預測與會代表人數（CUMCM2009D）
4.5 小結
參考文獻

第5章 遺傳演算法及其MATLAB實現
5.1 遺傳演算法基本原理
5.1.1 人工智慧演算法概述
5.1.2 遺傳演算法生物學基礎
5.1.3 遺傳演算法的實現步驟
5.1.4 遺傳演算法的拓展
5.2 遺傳演算法的MATLAB程序設計
5.2.1 程序設計流程及參數選取
5.2.2 MATLAB遺傳演算法工具箱
5.3 遺傳演算法應用案例
5.3.1 案例一：無約束目標函數最大值遺傳演算法求解策略
5.3.2 案例二：CUMCM中多約束非線性規劃問題的求解
5.3.3 案例三：BEATbx遺傳演算法工具箱的應用——電子商務中轉化率影響因素研究
參考文獻

第6章 模擬退火演算法及其MATLAB實現
6.1 演算法的基本理論
6.1.1 演算法概述
6.1.2 基本思想
6.1.3 其他一些參數的說明
6.1.4 演算法基本步驟
6.1.5 幾點說明
6.2 演算法的MATLAB實現
6.2.1 演算法設計步驟
6.2.2 典型程序結構
6.3 應用實例：背包問題的求解
6.3.1 問題的描述
6.3.2 問題的求解
6.4 模擬退火程序包ASA簡介
6.4.1 ASA的優化實例
6.4.2 ASA的編譯
6.4.3 MATLAB版ASA的安裝與使用
6.5 小結
6.6 延伸閱讀
參考文獻

第7章 人工神經網路及其MATLAB實現
7.1 人工神經網路基本理論
7.1.1 人工神經網路模型拓撲結構
7.1.2 常用激勵函數
7.1.3 常見神經網路理論
7.2 BP神經網路的結構設計
7.2.1 鯊魚嗅聞血腥味與BP神經網路訓練
7.2.2 透視神經網路的學習步驟
7.2.3 BP神經網路的動態擬合過程
7.3 RBF神經網路的結構設計
7.3.1 梯度訓練法RBF神經網路的結構設計
7.3.2 RBF神經網路的性能
7.4 應用實例
7.4.1 基於MATLAB源程序公路運量預測
7.4.2 基於MATLAB工具箱公路運量預測
7.4.3 艾滋病治療最佳停葯時間的確定（CUMCM2006B）
7.4.4 RBF神經網路預測新客戶流失概率
7.5 延伸閱讀
7.5.1 從金融分析中的小數定理談神經網路的訓練樣本遴選規則
7.5.2 小議BP神經網路的衍生機理
參考文獻

第8章粒子群演算法及其MATLAB實現
8.1 PSO演算法相關知識
8.1.1 初識PSO演算法
8.1.2 PSO演算法的基本理論
8.1.3 PSO演算法的約束優化
8.1.4 PSO演算法的優缺點
8.2 PSO演算法程序設計
8.2.1 程序設計流程
8.2.2 PSO演算法的參數選取
8.2.3 PSO演算法MATLAB源程序範例
8.3 應用案例：基於PSO演算法和BP演算法訓練神經網路
8.3.1 如何評價網路的性能
8.3.2 BP演算法能夠搜索到極值的原理
8.3.3 PSOBP神經網路的設計指導原則
8.3.4 PSO演算法優化神經網路結構
8.3.5 PSOBP神經網路的實現
參考文獻

第9章 蟻群演算法及其MATLAB實現
9.1 蟻群演算法原理
9.1.1 蟻群演算法基本思想
9.1.2 蟻群演算法數學模型
9.1.3 蟻群演算法流程
9.2 蟻群演算法的MATLAB實現
9.2.1 實例背景
9.2.2 演算法設計步驟
9.2.3 MATLAB程序實現
9.2.4 程序執行結果與分析
9.3 演算法關鍵參數的設定
9.3.1 參數設定的准則
9.3.2 螞蟻數量
9.3.3 信息素因子
9.3.4 啟發函數因子
9.3.5 信息素揮發因子
9.3.6 信息素常數
9.3.7 最大迭代次數
9.3.8 組合參數設計策略
9.4 應用實例：最佳旅遊方案（蘇北賽2011B）
9.4.1 問題描述
9.4.2 問題的求解和結果
9.5 本章小結
參考文獻

第10章 小波分析及其MATLAB實現
10.1 小波分析基本理論
10.1.1 傅里葉變換的局限性
10.1.2 伸縮平移和小波變換
10.1.3 小波變換入門和多尺度分析
10.1.4 小波窗函數自適應分析
10.2 小波分析MATLAB程序設計
10.2.1 小波分析工具箱函數指令
10.2.2 小波分析程序設計綜合案例
10.3 小波分析應用案例
10.3.1 案例一：融合拓撲結構的小波神經網路
10.3.2 案例二：血管重建引出的圖像數字水印
參考文獻

第11章 計算機虛擬及其MATLAB實現
11.1 計算機虛擬基本知識
11.1.1 從3G移動互聯網協議WCDMA談MATLAB虛擬
11.1.2 計算機虛擬與數學建模
11.1.3 數值模擬與經濟效益博弈
11.2 數值模擬MATLAB程序設計
11.2.1 微分方程組模擬
11.2.2 服從概率分布的隨機模擬
11.2.3 蒙特卡羅模擬
11.3 動態模擬MATLAB程序設計
11.3.1 MATLAB音頻處理
11.3.2 MATLAB常規動畫實現
11.4 應用案例：四維水質模型
11.4.1 問題的提出
11.4.2 問題的分析
11.4.3 四維水質模型准備
11.4.4 條件假設與符號約定
11.4.5 四維水質模型的組建
11.4.6 模型求解
11.4.7 計算機模擬情境
參考文獻

下篇 真題演習
第12章 彩票中的數學（CUMCM2002B）
12.1 問題的提出
12.2 模型的建立
12.2.1 模型假設與符號說明
12.2.2 模型的准備
12.2.3 模型的建立
12.3 模型的求解
12.3.1 求解的思路
12.3.2 MATLAB程序
12.3.3 程序結果
12.4 技巧點評
參考文獻

第13章 露天礦卡車調度問題（CUMCM2003B）
13.1 問題的提出
13.2 基本假設與符號說明
13.2.1 基本假設
13.2.2 符號說明
13.3 問題分析及模型准備
13.4 原則①：數學模型（模型1）的建立與求解
13.4.1 模型的建立
13.4.2 模型求解
13.5 原則②：數學模型（模型2）的建立與求解
13.6 技巧點評
參考文獻

第14章 奧運會商圈規劃問題（CUMCM2004A）
14.1 問題的描述
14.2 基本假設、名詞約定及符號說明
14.2.1 基本假設
14.2.2 符號說明
14.2.3 名詞約定
14.3 問題分析與模型准備
14.3.1 基本思路
14.3.2 基本數學表達式的構建
14.4 設置MS網點數學模型的建立與求解
14.4.1 模型建立
14.4.2 模型求解
14.5 設置MS網點理論體系的建立
14.6 商區布局規劃的數學模型
14.6.1 模型建立
14.6.2 模型求解
14.7 模型的評價及使用說明
14.7.1 模型的優點
14.7.2 模型的缺點
14.8 技巧點評
參考文獻

第15章 交巡警服務平台的設置與調度（CUMCM2011B）
15.1 問題的提出
15.2 問題的分析
15.3 基本假設
15.4 問題1模型的建立與求解
15.4.1 交巡警服務平台管轄范圍分配
15.4.2 交巡警的調度
15.4.3 最佳新增服務平台設置
15.5 問題2模型的建立和求解
15.5.1 全市服務平台的合理性分析問題的模型與求解
15.5.2 搜捕嫌疑犯實例的模型與求解
15.6 模型的評價與改進
15.6.1 模型優點
15.6.2 模型缺點
15.7 技巧點評
參考文獻

第16章 葡萄酒的評價（CUMCM2012A）
16.1 問題的提出
16.2 基本假設
16.3 問題①模型的建立和求解
16.3.1 問題①的分析
16.3.2 模型的建立和求解
16.4 問題②模型的建立和求解
16.4.1 問題②的基本假設和分析
16.4.2 模型的建立和求解
16.5 問題③模型的建立和求解
16.5.1 問題③的分析
16.5.2 模型的建立和求解
16.6 問題④模型的建立和求解
16.6.1 問題④的分析
16.6.2 模型的建立和求解
16.7 論文點評
參考文獻
附件數學建模參賽經驗
一、如何准備數學建模競賽
二、數學建模隊員應該如何學習MATLAB
三、如何在數學建模競賽中取得好成績
四、數學建模競賽中的項目管理和時間管理
五、一種非常實用的數學建模方法——目標建模法

❷ 模態分析中六種頻域擬合方法具體是什麼啊

頻域參數識別何止六種方法。
單自由度法：峰值檢測、振型檢測、圓擬合；實模態復模態均可。
多自由度頻域法：最小二乘頻域法（LSFD），結構系統參數識別（ISSPA），正交多項式法（OP），頻域直接參數識別（FDPI），復模態指示函數法（CMIF），同時頻域法（SFD），還有PolyMAX（LMS獨創的演算法）。
具體方法只能看書去學，一言難盡。
復模態和實模態：
極點應該知道吧，對於比例阻尼的情況，解出來的極點是個純虛數，不含實部，因此總可以換算成實值的模態振型，這就是實模態，或者叫純模態；
相應的，非比例阻尼的情況下，極點是個包含實部不為零的復數，因此解出來的振型也是復值模態振型向量。
單自由度法：一般而言，系統的動態響應是各階模態的疊加；但是，如果在給定的頻段內只有一個模態是重要的，那麼該模態的參數就可以單獨確定，這就是單自由度法。

❸ 數據擬合演算法

解：設一共有n個方程，第i個方程形如aiX1+biX2=ci，其中ai,bi,ci是已知數
設di(x1,x2)=(ci-aix1-bix2)(ci-aix1-bix2)
設D= d1+d2+...dn
原問題就是求D的極小值，分別求D關於x1和x2的偏導數，得

Dx1=2a1(a1x1+b1x2-c1)+2a2(a2x1+b2x2-c2)+...2an(anx1+bnx2-cn)
Dx2=2b1(a1x1+b1x2-c1)+2b2(a2x1+b2x2-c2)+...2bn(anx1+bnx2-cn)
極小值處偏導數等於0，所以令Dx1=0,Dx2=0建立方程組，解得
x1=(F*B-G*E)/(A*B-E*E）
x2=(G*A-F*E)/(A*B-E*E)
其中F=a1c1+a2c2+...+ancn
G=b1c1+b2c2+...+bncn
E=a1b1+a2b2+...+anbn
A=a1a1+a2a2+...+anan
B=b1b1+b2b2+...+bnbn
具體數據這里就不算了，用excel把公式打進去就可以算，另外excel本身就帶擬合功能

❹ excel曲線擬合採用的演算法

最小二乘法是一種數學方法,用於曲線擬合.二乘,就是平方,是早年翻譯的沿用.
當在實驗中獲得自變數與因變數的一系列對應數據,(x1,y1),(x2,y2),(x3,y3),...(xn,yn)時,要找出一個已知類型的函數,y=f(x) ,與之擬合,使得實際數據和理論曲線的離差平方和:∑[yi-f(xi)]^2（從i=1到i=n相加）為最小.
這種求f(x)的方法，叫做最小二乘法。
求得的函數y=f(x)常稱為經驗公式,在工程技術和科學研究的數據處理中廣泛使用.最普遍的是直線(一次曲線)擬合,在現代質量管理上,對散布圖的相關分析上也用此法.
是否可以解決您的問題？

❺ 如何根據一組數據進行曲線擬合

您好，這樣的：一、
單一變數的曲線逼近
matlab有一個功能強大的曲線擬合工具箱
cftool
，使用方便，能實現多種類型的線性、非線
性曲線擬合。下面結合我使用的
matlab
r2007b
來簡單介紹如何使用這個工具箱。
假設我們要擬合的函數形式是
y=a*x*x
+
b*x,
且a>0,b>0
。
1、在命令行輸入數據：
》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、啟動曲線擬合工具箱
》cftool
3、進入曲線擬合工具箱界面「curve
fitting
tool」
（1）點擊「data」按鈕，彈出「data」窗口；
（2）利用x
data和y
data的下拉菜單讀入數據x,y，可修改數據集名「data
set
name」，然
後點擊「create
data
set」按鈕，退出「data」窗口，返回工具箱界面，這時會自動畫出數
據集的曲線圖；
（3）點擊「fitting」按鈕，彈出「fitting」窗口；
（4）點擊「new
fit」按鈕，可修改擬合項目名稱「fit
name」，通過「data
set」下拉菜單
選擇數據集，然後通過下拉菜單「type
of
fit」選擇擬合曲線的類型，工具箱提供的擬合類
型有：
custom
equations：用戶自定義的函數類型
exponential：指數逼近，有2種類型，
a*exp(b*x)
、
a*exp(b*x)
+
c*exp(d*x)
fourier：傅立葉逼近，有7種類型，基礎型是
a0
+
a1*cos(x*w)
+
b1*sin(x*w)
gaussian：高斯逼近，有8種類型，基礎型是
a1*exp(-((x-b1)/c1)^2)
interpolant：插值逼近，有4種類型，linear、nearest
neighbor、cubic
spline、shape-
preserving
polynomial：多形式逼近，有9種類型，linear
~、quadratic
~、cubic
~、4-9th
degree
~
power：冪逼近，有2種類型，a*x^b
、a*x^b
+
c
rational：有理數逼近，分子、分母共有的類型是linear
~、quadratic
~、cubic
~、4-5th
degree
~；此外，分子還包括constant型
smoothing
spline：平滑逼近（翻譯的不大恰當，不好意思）
sum
of
sin
functions：正弦曲線逼近，有8種類型，基礎型是
a1*sin(b1*x
+
c1)
weibull：只有一種，a*b*x^(b-1)*exp(-a*x^b)
選擇好所需的擬合曲線類型及其子類型，並進行相關設置：
——如果是非自定義的類型，根據實際需要點擊「fit
options」按鈕，設置擬合演算法、修改
待估計參數的上下限等參數；
——如果選custom
equations，點擊「new」按鈕，彈出自定義函數等式窗口，有「linear
equations線性等式」和「general
equations構造等式」兩種標簽。
在本例中選custom
equations，點擊「new」按鈕，選擇「general
equations」標簽，輸入函
數類型y=a*x*x
+
b*x，設置參數a、b的上下限，然後點擊ok。

❻ 怎麼用matlab進行非線性的多元函數擬合

方法一：

1、最常用的是多項式擬合，採用polyfit函數，在命令窗口輸入自變數x和因變數y。

❼ 曲線擬合演算法的意義和價值

就是預測。對於數目較大的、自然發展的、沒有劇烈變動的事物進行預測，把握事物發展方向。

比如說10年之後，中國人口有多少億，就需要擬合。

比如有一個多項式函數【函數就是一條曲線】s=f（t）；

t= 1 , 2 , 3 , 4 , 5 ，7 ，9
s=2.01 ,5.97,12.02,19.99,30.01 ，？ ，90.03

估計t=7 時 s=？；

呵呵，碰到這一類問題，似乎數據之間沒有任何規律，所以無從下手。怎麼辦呢？

咱們就「無中生有」，弄出來一個函數表達式s=f（t），就能解決問題。
對於數據進行曲線擬合得到s=n*（n+1），這樣t=7時，s=56.00。擬合的意義就在於此。