直线拟合算法

Ⅰ matlab ransac 怎么用

1.假设我们要将n个数据点X={x1,x1,...,xn}拟合为一个由至少m个点决定的模型（m<=n，对于直线，m=2）。（我这里实际是两个不同均值、协方差高斯分布产生的数据）
2.设迭代计数k=1。
3.从X中随机选取m个项并拟合一个模型。（我这里直线拟合，选了2个项）
4.给定偏差ε，计算X中相对于模型的残差在偏差ε的个数，如果元素个数大于一个阈值t，根据一致点集重新拟合模型（可以利用最小二乘或其变种），算法终止。（我这里的偏差为1，阈值为数据个数的2/3）
5.设k=k+1，如果k小于一个事先给定的K，跳至第3步，否则采用具有迄今最大的一致点集模型，或算法失败。
运行效果如下，红圈是所有的数据，蓝叉是符合拟合模型的数据。

Ⅱ 给出一组数字,求公式算法

从A的x到B的x，方程是y=1.3625x-127.8

我用matlab描点画图得到一条几乎笔直的线
然后进行1次拟合，代码如下
x=[400,440,480,520,560];
y=[416,473,526,582,634];
plot(x,y,'o')
a=polyfit(x,y,1)
a
拟合结果：
a = 1.3625 -127.8000

所以就是这样的。既然楼主说近似，绝对没错咯！呵呵