matlab拟合曲线y=ae^bx

X=[x.*x;y.*y]'X=829.555278.8899815.502283.3021809.914785.1006784.952393.4509779.470695.3552774.00809

这个表达式输入跟一般的书写是一致的,不需要用点乘、点除之类的,直接写表达式,但是乘除符号是必须要有的.你这个表达式明显是错的,“y=L./(1+aexp(-bt))”,这里是“L/”,“a*exp”,

x=0:10;y=[131846981762894426418921202];p=polyfit(x,y,3);s=vpa(poly2sym(p))f=polyval(p,x);plot(x,f,x,

法一：p=[123];title(['y='num2str(p(1))'*x^2+'num2str(p(2))'*x+'num2str(p(3))])法二：text('string',['y='num

请先运行cftool命令,然后就懂了.

楼主你的数据来源是什么,有物理或数学背景吗,通过分析你的数据我发现这几组数据前两组用多项式拟合效果还可以,后面几组的多项式拟合效果实在是不怎么样.我用曲线拟合工具箱cftool拟合,从里面挑了好几种拟

如上所述,采用polyfit来拟合,二次多项式polyfit(x,y,2)x=[0.110.130.190.210.270.370.530.590.710.790.891.07];y=[3868-10

clc,clearallx=[-20.0000 -15.0000 -12.5000 -10.0000 -7.5000 -5.0000 -2.

对于线性函数,除了polyfit（）,还可以用regress（）等对于非线性函数,可以用lsqcurvefit（）或nlinfit（）等根据你提供的数据,可以拟合成如下关系Q=0.52429N^1.6

两边取自然对数lnY=lnA-BX,令Z=lnY,C=-B,D=lnAZ=CX+D拟合这个直线就OK

好像是最小二乘拟合：最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来,最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单,编制程序也不困难,所以它颇受人们重视,应用相当

将以下程序保存为fun1.m文件,放在工作目录中,备用functionP=fun1(p,xdata)P=p(1)+p(2)*xdata+p(3)*（xdata.^3）然后在matlab命令中输入以下内

x=[27560000,55120000,82680000,88192000,110240000,137800000]y=[1743170000,1894750000,2053220000,20670

y=[00.060.110.170.230.280.340.400.460.520.590.650.720.800.870.961.051.161.311.55]';x=[20.0218.9517.7

曲线总可以用参数方程描述：X=x(t),Y=y(t),Z=z(t),不妨假设x(t),y(t),z(t)是关于t的多项式函数,那么：x（t）=x0+x1*t+x2*t^2.给定一组参数就有一条曲线,并

clc;clear;x=1:31;y=[667.5687.6717.4728.3761.6771.38789109991006.41003.21007.61013.31014

这样好些,比多项式精度高许多.functionhhx=[123456];y=[214575949898];b0=[111111];a=nlinfit(x,y,@mymodel,b0)xx=min(x)

可用matlab曲线拟合工具箱,里面有各式各样的拟合函数可供选用...x=[367   379   414   

clear>>i=[20,30,40,50,60,70,80,90,100,110,120];>>vi=[0,0,43,143,303,497,650,805,913,1000,1075];>>A=[

%1非线性拟合warningoffx=[100200400600800]';y=[406080120150]';f=fittype('a+b*x^m');options=fitoptions('a+b