请教matlab非线性拟合结果不唯一的问题
rA = [3.86 3.90 4.17 4.22 4.23 4.23 4.26 4.24 4.26 4.28];
x = [2.48 2.45 2.08 2.00 1.98 1.97 1.91 1.94 1.92 1.90];
y = [5.43 5.47 5.84 5.91 5.93 5.95 6.01 5.97 5.99 6.02];
z = [6.75 6.79 7.25 7.34 7.37 7.39 7.46 7.42 7.44 7.48];
f=@(p,x)(p(1)*x(1,:)-4*x(2,:).*x(3,:))./(1+p(2)*x(2,:)).^2;
p=lsqcurvefit(f,rand(1,2),[x;y;z],rA);
k=p(1)
m=p(2)
但是随着初始参数的不同，拟合结果不同，需要调整初始参数
x=[];for i=1:10 x=[x;(i:10:10000)];%产生从i开始，步长为10,的自然数，最大值为10000。即得到关于x的10×1000的矩阵end y=x./(0.1152+0.0845*x);%得到矩阵y hold on; y1=normrnd(y,y*0.2,10,1000);%生成以y为均值，标准差为y*0.2的呈高斯分布的10×1000随机数矩阵 plot(x,y1,' .g') %描散点 plot(x,y,'b*');%描y点ys=[]; for i=1:10 %%%%我怀疑是这中间有问题%%%%%%% b=polyfit(x(i,:),y1(i,:),4);%拟合曲线参数，使用多项式拟合函数] ys=[ys;polyval(b,x(i,:))];%求解拟合y值 %%%%%%%%%%%%%%%%%%%%% end plot(x,ys,'-r');%画出每一条拟合曲线 hold on; for i=1:10 %以下为验证通过拟合曲线得到的y值得离散度确实是0.2 p1=ys(i,:)-y(i,:); p1=p1.^2; s=sqrt(sum(p1)/1000); smx(i,:)=s;%得到一组离散度的矩阵，如果结论正确，矩阵用元素应在0.2上下浮动 endsmx
首先你生成的矩阵是1*1000的，我改了下，现在是10*1000的了
其次normrnd函数的参数你理解有误，第二个参数是标准差，是变化的数值，不是比例
现在这个运行出来每次都不一样，有的离散度只有0.11左右，大部分是0.2左右的；
由于生成的y最后基本都等于11多了，所以前几组含显著小于11的数的离散值就偏大，而后面几组基本从头到尾都等于11多，就容易偏小。
b=polyfit(x(i,:),y1(i,:),6); %这里拟合的阶数越高，拟合曲线越弯来拐去的贴合数据值，就会增大拟合出来数值的离散度。
在用matlab的lsqcurvefit( )或nlinfit( )函数进行非线性拟合时，往往不是一次运行就成功的，其结果是不唯一的，其问题在很大程度与初值的选定有较大的关系。
可以调整x0的初值，当exitflag=1时（或相关系数R²≈1），说明求解成功。
调整x0的初值最有效的方法，就是使用随机函数rand（）。
请教matlab非线性拟合结果不唯一的问题
在用matlab的lsqcurvefit( )或nlinfit( )函数进行非线性拟合时，往往不是一次运行就成功的，其结果是不唯一的，其问题在很大程度与初值的选定有较大的关系。可以调整x0的初值，当exitflag=1时（或相关系数R²≈1），说明求解成功。调整x0的初值最有效的方法，就是使用随机函数rand（）。
matlab 自定义隐函数进行非线性拟合
通过拟合，给出的拟合函数有点不靠谱。当a，b为如下值时，其相关系数为R² = 0.6753（拟合精度）。a = 0.0000000000000000000099999999999999994515327145421,b = 0.00000000010000000000000000364321973155
matlab多元函数非线性拟合问题
1、你的数据有问题：x1、x2都是13个点，而y是12个点。我暂时按照舍去x最后那个点处理。2、从现在的情况看，效果不好，这和你的数据是否适合所给拟合公式有关。尤其y第5个点感觉比较怪异。3、拟合问题和初值关系很大，如果你能知道拟合参数的大概范围会对尽快得到理想的结果有帮助。function zd501259...
太郁闷了,为什么matlab自己算的和自己算的都不一样?
拟合的结果不是唯一的，而自己的公式唯一的。要验证，不人偏信matlab。它毕竟是功能强大的软件，不是自己写的公式。
函数模型已知,matlab拟合效果不好,参数初值选取困难,求高手解决啊...
这个明显是一个最小二乘估计问题。如果你就是用的最小二乘估计的话，问题可能出在两个地方：1、如果数据点含有非高斯白噪声分布的干扰，那么从理论上它就不是无偏估计和一致估计，也就是说就算理论上讲它的效果都非常差。2、估计未工作在适应状态，样本点信息不够欠拟合或者过多导致了过拟合，试着...
MATLAB拟合曲线,为什么结果不对?
MATLAB拟合曲线，为什么结果不对？不对的原因是选择的数学模型不符，所以应调整数学函数表达式。拟合好坏可以通过数理分析计算，R²是否接近于1.
MATLAB中使用出错 lsqcurvefit函数进行非线性拟合出现错误,求教_百度...
function [ F ] = myfun5( x,xdata )中F不是返回值，不用[]，直接是function F = myfun5( x,xdata )
Matlab不确定度验证及非线性拟合的问题
现在这个运行出来每次都不一样，有的离散度只有0.11左右，大部分是0.2左右的；由于生成的y最后基本都等于11多了，所以前几组含显著小于11的数的离散值就偏大，而后面几组基本从头到尾都等于11多，就容易偏小。b=polyfit(x(i,:),y1(i,:),6); %这里拟合的阶数越高，拟合曲线越弯来拐去的...
matlab的lsqcurvefit函数的九元的非线性拟合不行啊!
1、所有的x1-x9后面都有一个点“.”，导致出现“.+”、“.-”、“.)”等莫名其妙的符号；2、括号不匹配，多出一个右括号来。改后可以进行拟合，但结果不理想，得到的系数a都是复数，可能的原因：1、上面说到的表达式括号不匹配，我删掉的括号不一定符合你的本意，建议再仔细核对一下；2、曲线...
MATLAB的lsqcurvefit函数拟合非线性式子中的未知参数
在实际问题中，经常遇到包含exp(x)、lnx、sinx等函数组合的复杂非线性经验公式。针对这类问题，我们可以利用MATLAB中的lsqcurvefit函数进行求解。该函数采用非线性最小二乘法，其损失函数与优化算法类似，通过给定参数的初始值，不断优化参数以达到最佳拟合效果。以下为非线性最小二乘模型的目标函数示例。lsqc...