提交
相关推荐
- 回答 1 已采纳 椎补线性化方法编程不报错,有解,但是所得解与给出的限定约束条件矛盾,也就是说约束条件失效,但是什么原因不报错,用椎补线性化方法中迭代有关系吗
- 7年前
- 回答 1 已采纳 ``` x1=NDVI; x2=VV; x3=VH; y=VWC; n=length(y); str=num2str([1:n]'); X=[x1,x2,x3]; fx1=@(b,x1,x2,x3)b(1)*exp(b(2)*x1)+b(3)*exp(b(4)*x2)+ b(5)*exp(b(6)*x2)+b(7); fx2=@(b,X) b(1)*exp(b(2)* X(:,1))+b(3)*exp(b(4)* X(:,2))+ b(5)*exp(b(6)* X(:,3))+b(7); b=[1 2 3 4 5 6 7]; for l=1:5 b=lsqcurvefit(fx2,b,X,y); b=nlinfit(X,y,fx2,b); end b ``` 另外 据说有算拟合初值的程序? 下面是我的数据 NDVI VV VH VWC 0.367567568 -12.5698329 -19.00852024 0.266198422 0.601058551 -12.21928522 -19.42093998 0.918703318 0.44537428 -14.27199702 -21.22621166 0.635368421 0.394254324 -13.75161415 -20.52673149 0.414315789 0.380969794 -14.66715876 -21.78026874 0.457263158 0.333382581 -13.96920831 -20.56267627 0.29174533 0.347142647 -14.72184822 -22.36435001 0.327122323 0.342167467 -14.06451663 -23.53390449 0.386390272 0.332461114 -14.02065141 -21.95493924 0.206453545 0.37972283 -14.50587908 -22.00263251 0.327738265 0.34964483 -13.52347147 -20.8585261 0.293778543 0.372049334 -13.55826598 -20.91720918 0.407708672 0.489375721 -13.08946636 -21.4454566 0.736015517 0.324213618 -13.19440778 -21.56038194 0.486547366 0.362637363 -13.18809614 -20.67733792 0.588068182 0.437490046 -12.62493919 -20.92979035 0.419618984 0.419501134 -13.49582508 -20.38569888 0.669284759 0.456582633 -12.94909986 -21.04778624 0.722678317 0.443275213 -11.04512259 -18.40759252 0.682552961 0.357626756 -13.49058113 -20.58293328 0.27179959 0.60387169 -11.91861033 -19.84253492 0.836839607 0.544650412 -9.531325868 -19.37691463 0.591828934 0.290620778 -10.91812441 -19.41796874 0.335389562 0.390346112 -11.25622217 -19.59060797 0.061828727 0.483056957 -9.33826645 -20.31287823 0.269907927 0.2763094 -14.68770235 -21.92750537 0.101147532 0.375008673 -11.76157755 -18.6924758 0.279222168 0.43277592 -11.52288315 -19.69964053 0.439792015 0.658512957 -9.853464212 -16.76401222 0.637488285 0.580268035 -9.913134889 -16.93776403 1.015012456 0.060258458 -10.56239152 -17.7399537 0.299132653 0.358727665 -7.281353556 -13.99840508 0.774259259 0.056415172 -10.59651588 -18.2928017 0.554936133 0.222659323 -8.904902978 -17.15664032 0.880481829 0.1875 -9.205197728 -16.37551833 0.789573703 0.184653602 -12.86773978 -19.17365762 0.815445476 0.525773196 -10.00704476 -17.14340543 1.301862965 0.559869036 -11.20539971 -17.2419588 1.142806268 0.701734751 -10.73855501 -16.78980186 1.423785204 0.56175582 -10.2854917 -16.66782731 2.300828176 0.497889108 -11.63014311 -17.80902691 1.112640609 0.539530426 -10.37045684 -17.37491957 1.843084487 0.792702766 -12.98008461 -21.67104227 1.956459755 0.762190728 -13.27018744 -21.50795637 3.488644689 0.755530726 -10.37074442 -17.96817748 3.71093245 0.728071749 -10.97450829 -20.98883473 2.531217911 0.709747607 -10.66086624 -18.41778073 2.256000448 0.64443453 -11.92426821 -18.13370497 1.706343815 0.714548803 -10.21053499 -17.65596367 2.816241201 0.303764706 -10.34567991 -18.44312721 1.770311095 0.268877437 -10.3890121 -17.90789635 1.563639607 0.520744597 -9.692957038 -17.72963957 3.118764723 0.717602996 -11.33614114 -19.21564571 2.852965235 0.783679589 -12.03161286 -16.48444476 2.862197053 0.77985851 -10.41054068 -18.92986865 4.221873861 0.782064872 -10.51416089 -17.28196251 3.188305395 0.761270731 -10.72329123 -17.60653715 3.066611247 0.724796275 -12.31311148 -20.94675355 1.429373472 0.775485437 -11.32607003 -18.97385547 3.186505414 0.758081335 -9.438552955 -16.2820129 4.057738378 0.778037383 -10.00322018 -16.00841162 2.334117886 0.796577207 -10.63318202 -17.57952527 3.527744982 0.808084624 -10.2419665 -18.46687989 4.15353467 0.812776215 -10.89578598 -21.6186462 3.779050319 0.801742498 -10.46905157 -18.78521901 4.147703325 0.783806344 -10.42756389 -18.00251403 2.515034895 0.792722813 -9.954934241 -16.22320278 3.428184782 0.76473029 -10.30806511 -15.81511273 2.632649304 0.831480109 -10.88788894 -15.96120042 3.31466011 0.84863124 -9.42331158 -14.18447518 5.940083306 0.801769912 -9.795795446 -15.4192279 2.770243044 0.796214789 -10.1841912 -16.18313039 4.116228801 0.824180791 -9.437112169 -15.10663893 4.334416835 0.786832511 -10.89668816 -16.13224316 2.873315796 0.748613678 -9.471403731 -15.54024548 3.090226679 0.74908648 -10.71693884 -15.56824506 3.574774197 0.81772659 -10.26541377 -16.57086252 3.275911837 0.822093304 -8.717064742 -15.0609659 4.814944561 0.803993694 -9.465452286 -15.67148193 6.05835985 0.855038578 -7.281826403 -13.45196351 3.649416765 0.824225636 -7.217892863 -14.69516246 6.737846673 0.830444075 -8.592348503 -14.77855442 5.740742483 0.810486715 -8.967969097 -15.19543033 7.841563231 0.835863378 -8.637816026 -14.60965199 5.789512575 0.824667169 -6.508767085 -13.95351957 5.223367375 0.842718928 -8.154232608 -14.30458726 6.995585413 0.857039711 -8.943021043 -15.5038524 5.355741669 0.821656051 -8.861357633 -15.30607485 7.927631342 0.821908449 -8.08759868 -15.5437058 6.926179356 0.853987445 -8.696096161 -14.93056835 7.222468827 0.826337251 -9.180255429 -14.4554464 9.278749496 0.842314488 -9.695369424 -15.34088286 4.12691852 0.866573687 -8.993719877 -14.07591274 6.394803714 0.790783898 -7.436550512 -14.595838 4.574697658
- 回答 4 已采纳 单价都是1000,X1到X4是4中原料占比,总和为100%,求解成本最低的最优解 答案(X1=26.26%,X2=0.00%,X3=58.15%,X4=15.25%) Min s = 1000 * X1 + 1000 * X2 + 1000 * X3 + 1000 * X4; 14<= 13.9 * X1 + 13.0 * X2 + 13.6 * X3 + 15.7 * X4 <=16; 0.1<= 0.17 * X1 + 0.04 * X2 + 0.08 * X3 + 0.11 * X4 <= 0.9 0.4<= 0.41 * X1 + 0.39 * X2 + 0.48 * X3 + 0.92 * X4 <=0.8; 0<=0.13 * X1 + 0.21 * X2 + 0.14 * X3 + 0.24 * X4 <= 100; 0.1<=0.15 * X1 + 0.10 * X2 + 0.15 * X3 + 0.18 * X4 <= 0.5; 0.4<=0.3 * X1 + 0.44 * X2 + 0.52 * X3 + 0.58 * X4 <= 1.2; 0.32<=0.49 * X1 + 0.39 * X2 + 0.49 * X3 + 0.39 * X4 <=0.6; 3110<=3390 * X1 + 3240 * X2 + 3210 * X3 + 2240 * X4 =3310; 帮忙看看,我写的肯定有问题,这个方法(linprog)能这么用吗?还有更好的方法吗? ![图片说明](https://img-ask.csdn.net/upload/201708/02/1501658414_325312.png)
- 回答 1 已采纳 线性的用correlation coefficient 非线性的呢? information gain(信息增益)、CHI suqare(卡方分布)、mutual information(互信息),期望交叉熵 好像只能用来检测feature和class的关联度,不能检测feature和feature之间的 T-Test和F-test算出来的那个值不知道如何利用,我能根据T-Test的结果反映出2个变量的相关度高低吗
- 回答 1 已采纳 在MATLAB中用fit拟合sin函数时,输出的系数有个errorbar范围。 求问这个系数怎么用代码输出? ![图片说明](https://img-ask.csdn.net/upload/201905/07/1557208578_931259.png) ``` c1=zeros(1,3); z=0.5*(1:size(result,1))'; fi=[0.669 0.883 0.089 -0.728 -0.657 0.315 0.863 0.038 -0.740 -0.644 0.686 0.613 -0.592 -0.546 0.329]'; [fi_fit,gof]=fit(z,fi,'sin1'); c1(1)=fi_fit.a1;c1(2)=fi_fit.b1;c1(3)=fi_fit.c1; plot(fi_fit,'r') % plot(0:0.1:15,c1(1)*sin(c1(2)*(0:0.1:10)+c1(3)),'r') hold on plot(z,fi,'ro') legend('Ψ拟合曲线','Ψ实验测试') title('拟合') text(0.9,-0.85,['拟合函数Ψ=',num2str(c1(1)),'cos(',num2str(c1(2)),'z',num2str(c1(3)-pi/2),')']); text(0.9,0.2,['c=',num2str(c1(2)/2)]); fi_fit ```
- 回答 2 已采纳 我从网上下载了nsga-ii的matlab源代码,但是运行不起来,需要改一些函数代码,但不知道怎么改,还有测试函数需要写进去,但不知道怎么改,请大神帮我解答一下,或者要是能有一个能直接运行的带测试函数代码的源程序就更好了
- 4年前回答 1 已采纳 现有一个矩阵,但是含有符号变量,已知他的秩为2,求x的秩。怎么编程呢?![图片说明](https://img-ask.csdn.net/upload/201706/25/1498322227_792064.png)
- 回答 2 已采纳 想用if语句实现解一元二次方程,运算结果总是出错。个人认为是字符串与数字转化有问题,但是未能解决,求大神帮忙看看代码 代码: fprintf('we design the equation as "ax^2+bx+c=d"\n') a=input('Enter the number of a=','s'); b=input('Enter the number of b=','s'); c=input('Enter the number of c=','s'); d=input('Enter the number of d=','s'); A=num2str('a'); B=num2str('b'); C=num2str('c'); D=num2str('d'); det=B^2-4*A*C if det0 x1=(-B+det)/(2*A) x2=(-B-det)/(2*A) else disp('unknown wrong') end 输入 we design the equation as "ax^2+bx+c=d" Enter the number of a=1 Enter the number of b=2 Enter the number of c=1 Enter the number of d=0 输出 det = -28808 there is not real number to answer this equation
- MATLAB求解非线性最小二乘法拟合问题 源程序代码
- 负号Minus的博客 突然有个想法,利用机器学习的基本方法--线性回归方法,来学习一阶rc电路的阶跃响应,从而得到rc电路的结构特征--时间常数τ(即r*c)。回答无疑是肯定的,但问题是怎样通过最小二乘法、正规方程,以更多的采样...
- MATLAB程序分享求解非线性最小二乘法拟合问题源程序-MATLAB求解非线性最小二乘法拟合问题 源程序代码.rar 程序代码见附件,拿资料请顺便顶个贴~~ 如果下载有问题,请加我 qq 1530497909,给你在线传
- lxwyw10902的博客 最近由于工作需要要做一套线性方程的拟合算法,在网上找了很多,不是用gsl就是用matlab做的,都不符合要求。实在找不到合适的于是就决定自己从头写,于是自己写了一个,用了一段时间决得还行,就决定贴出来和大家...
- 9月前朽木为萤的博客 递推最小二乘估计Matlab仿真递推最小二乘估计理论仿真背景Matlab程序仿真动图 递推最小二乘估计理论 递推最小二乘是卡尔曼滤波的重要基础,关于最小二乘理论可以参见之前的文章( 最小二乘估计(Least squares ...
- episodesong的博客 非线性拟合/回归 Matlab 相应的函数:Polyfit 拟合优度 表达因变量和所有自变量之间的总体关系 曲线拟合(非线性) 最小二乘法,通过最小化误差的平方和寻找数据的最佳函数匹配。 Matlab代码 画出离散点:plot(x,y,...
- YDDUONG的博客 一、题目 已知: y= 1 / (a + b * x) x = 1.0 : 0.4 : 2.6; ...y = [0.931, 0.473, 0.297, 0.224, 0.168];...通过各种拟合方法求a, b的值,画出拟合曲线,并比较结果,分析误差 二、思路导图 三、流 程 图 ...
- weixin_45500625的博客 plot(lambda,value) %绘图 title(['T=',num2str(T)]) %给出图的标题 msgbox('MATLAB编程答疑,请加QQ: 1530497909','MATLAB答疑','help') web http://url.cn/TKcdXk -browser end function F=myfun(x) global ...
- 终是蝶衣梦晓楼的博客 话不多说,开始今天的博客内容,之前我是写过一个草履虫的逻辑斯蒂增长的曲线拟合的一个博客,因为自己的知识不够的原因,当时没有写完,现在补上,但是并不是哪一个课题了,换了一个教科书上的案例:“美国人口的...
- MISAYAONE的博客 在科学计算和工程应用中,经常会遇到需要拟合一系列的离散数据,最近找了很多相关的文章方法,在这里进行总结一下其中最完整、几乎能解决所有离散参数线性拟合的方法 第一步:得到散点数据 根据你的实际问题...