03插值与拟合

news2024/9/21 16:20:35

9.已知飞机下轮廓线上数据如下,分别用分段线性插值和三次样条插值求x每改变0.1时的y值。

x035791112131415
y01.21.72.02.12.01.81.21.01.6
%9.已知飞机下轮廓线上数据如下,分别用分段线性插值和三次样条插值求每改变0.1时的y值。

x = [0 3 5 7 9 11 12 13 14 15];
y = [0 1.2 1.7 2.0 2.1 2.0 1.8 1.2 1.0 1.6];
xi = 0:0.1:15;
y1 = interp1(x,y,xi,'linear');%分段差值
y2 = interp1(x,y,xi,'spline');%三次样条插值
subplot(2,1,1);
plot(x,y,'*',xi,y1,'b');
title('分段差值')
subplot(2,1,2);
plot(x,y,'*',xi,y2,'r');
title('三次样条插值')

image-20230712200927575

10.试作出该山区的地貌图和等高线图,并对最近邻点插值、双线性插值方法和双三次插值方法的插值效果进行比较。

12001600200024002800320036004000
120011301250128012301040900500700
160013201450142014001300700900850
2000139015001500140090011001060950
240015001200110013501450120011501010
280015001200110015501600155013801070
320015001550160015501600160016001550
36001480150015501510143013001200980
%10.试作出该山区的地貌图和等高线图,并对最近邻点插值、双线性插值方法和双三次插值方法的插值效果进行比较。
clf;
x=1200:400:4000;
y=1200:400:3600;
z=[1130  1250  1280  1230  1040  900  500 700
   1320  1450  1420  1400  1300   700   900   850
   1390  1500  1500  1400   900  1100  1060   950
   1500 1200  1100  1350  1450  1200  1150  1010
   1500 1200  1100  1550  1600  1550  1380  1070
   1500 1550  1600  1550  1600  1600  1600  1550
   1480 1500  1550  1510  1430  1300  1200  980];
subplot(2,2,1);
meshc(x,y,z)
title('原始山区地貌图');
xi=1200:5:4000;
yi=1200:5:3600;
[xi,yi]=meshgrid(xi,yi);
zi=interp2(x,y,z,xi,yi,'nearest');%临近点插值
subplot(2,2,2);
meshc(xi,yi,zi)
title('临近点插值山区地貌图');
zi=interp2(x,y,z,xi,yi,'linear');%线性插值
subplot(2,2,3);
meshc(xi,yi,zi)
title('线性插值山区地貌图');
zi=interp2(x,y,z,xi,yi,'cubic');%三次插值
subplot(2,2,4);
meshc(xi,yi,zi)
title('三次插值山区地貌图');

image-20230712200959965

11.对下面一组数据作二次多项式拟合,并作出数据点和拟合曲线的图形

x00.10.20.30.40.50.60.70.80.91.0
y-0.4471.9783.286.167.087.347.669.569.489.3011.2
%11.对下面一组数据作二次多项式拟合,并作出数据点和拟合曲线的图形
x = 0:0.1:1;
y = [-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2];
a =polyfit(x,y,2); 
z = polyval(a,x);
clf;
plot(x,y,'+',x,z,'--r') 
title('二次多项式拟合');

image-20230712201015223

12.在一次传染病中,已知t时刻的染病人数I(t)满足模型 I ( t ) = 1 a + b e c t I\left( t\right) =\dfrac{1}{a+be^{ct}} I(t)=a+bect1,公共部门每隔5天记录一次传染病的人数,具体见表 1,试利用拟合方法确定参数a、b、c。

天数051015202530354045505560
感染人数0.20.40.50.91.52.43.13.84.14.24.54.44.5
%12.在一次传染病中
x = 0:5:60;
y = [0.2 0.4 0.5 0.9 1.5 2.4 3.1 3.8 4.1 4.2 4.5 4.4 4.5];
a = lsqcurvefit('f2',[0.1;0.1;0.5],x,y)

image-20230712201045489

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/759479.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

浮点数的存储

❤️ 作者简介 :对纯音乐情有独钟的阿甘 致力于C、C、数据结构、TCP/IP、数据库等等一系列知识,对纯音乐有独特的喜爱 📗 日后方向 : 偏向于CPP开发以及大数据方向,如果你也感兴趣的话欢迎关注博主,期待更新 1. 浮点型…

伙伴来做客,文心千帆大模型平台实操秘籍大公开

7月15日,业界首个大模型实训营——百度智能云文心千帆大模型平台实训营在百度大厦举办。百度智能云携手软通动力、中科软、科蓝、中软国际、天源迪科、世纪互联、宝兰德等14家合作伙伴的25位CTO和技术总监,为伙伴在实际落地中更好地应用大模型技术提供支…

【图像处理】Python判断一张图像是否亮度过低,图片模糊判定

文章目录 亮度判断模糊判断 亮度判断 比如: 直方图: 代码: 这段代码是一个用于判断图像亮度是否过暗的函数is_dark,并对输入的图像进行可视化直方图展示。 首先,通过import语句导入了cv2和matplotlib.pyplot模块…

C语言---数据结构实验---顺序表的合并---链表的基本操作---重点解析约瑟夫问题

文章目录 顺序表的合并代码实现代码下载 链表的基本操作代码实现代码下载 约瑟夫问题问题分析代码实现 本篇展示数据结构的两个实验 其中,重点分析约瑟夫问题 实验中代码的命名风格等均与下方博客风格类似,全程手撕图解 对顺序表和链表不清楚有以下文…

平衡小车学习教程2(软件篇)——MPU6050数据读取欧拉角,移植DMP读取Roll角、Pitch角、Yaw角

前言 上一篇,给大家介绍了平衡小车的硬件资源及其小车底层硬件介绍篇 平衡小车学习教程1——硬件资源及其小车底层硬件介绍篇 这篇来教大家如何快速的使用MPU6050自带的DMP库读取陀螺仪数据,读取翻滚角(Roll)、俯仰角(Pitch)、航向角(Yaw)这三个角的数…

卖家如何做好独立站?这些要点要牢记!

随着跨境电商第三方平台的竞争压力越来越大,以及平台流量红利期迎来大幅缩水,使得越来越多的跨境卖家开始另寻出路,建设自己的品牌。而独立站的优势特点,在当下的市场竞争环境中优势更为突出,这也使得众多卖家涌入独立…

05-MySQL-基础篇-SQL之DQL语句

SQL之DQL语句 前言DQL准备数据基础语法基本查询条件查询集合函数分组查询排序查询分页查询执行顺序 前言 本篇来学习下SQL中的DQL语句 DQL 英文全称是Data Query Language(数据查询语言),数据查询语言,用来查询数据库中表的记录。 准备数据 # 删除表…

Spring框架概述及核心设计思想

文章目录 一. Spring框架概述1. 什么是Spring框架2. 为什么要学习框架?3. Spring框架学习的难点 二. Spring核心设计思想1. 容器是什么?2. IoC是什么?3. Spring是IoC容器4. DI(依赖注入) 一. Spring框架概述 1. 什么是…

芜湖,埋点还可以这么做?这也太简单了

目录 前言 一个埋点的Demo 安装依赖 添加测试代码 编写入口文件 编写插件 运行Demo 处理_tracker的import 改进 给其他的函数类型添加埋点 处理埋点函数变量名 总结: 前言 在项目开发中通常会有埋点的需求,然而当项目过于庞大,给…

聚焦型光场相机基于立体视差的深度估计原理

聚焦型光场相机可以看作是主透镜将物面成了一个放大或者缩小的虚像,然后每个微透镜阵列对这个经过放大或者缩小的虚像进行二次成像后投影在了ccd平面,其中二次成像的过程可以比拟为一个虚拟阵列相机,利用MLA和主透镜的相关参数就可以以立体视…

Java开发基础系列(三):数据操作

😊 作者: 一恍过去 💖 主页: https://blog.csdn.net/zhuocailing3390 🎊 社区: Java技术栈交流 🎉 主题: Java开发基础系列(三):数据操作 ⏱️ 创作时间: 2023年07月…

Java线程池实现原理

随着计算机行业的飞速发展,摩尔定律逐渐失效,多核CPU成为主流。使用多线程并行计算逐渐成为开发人员提升服务器性能的基本武器。J.U.C提供的线程池:ThreadPoolExecutor类,帮助开发人员管理线程并方便地执行并行任务。了解并合理使…

x86架构ubuntu22下运行3DS模拟器Citra

0. 环境 i5 ubuntu22(安装系统时候选择 自动上网下载第三方驱动软件,主要是显卡驱动opengl) 1. apt安装依赖 1.1 SDL2 sudo apt install libsdl2-dev 1.2 OpenSSL (optional) sudo apt install libssl-dev 1.3 Qt 6.2 sudo apt install …

零基础学Python-必备工具安装

文章目录 1. Python 安装与卸载Python 安装包下载安装Python如何验证Python 安装成功扩展 电脑中其实可以装多个不同版本的python 卸载Python 2. Python 开发有哪些常用的IDEPyCharm 安装PyCharm 安装包下载安装PyCharm PyCharm 使用VScode 安装VScode 安装包下载安装VScodeVsc…

libbpf-bootstrap开发指南:网络包监测-tc

目录 前置知识 代码分析 BPF部分 功能说明 struct __sk_buff 说明 bpf_htons & bpf_ntohs 为什么有l2 1、l31 data 数据的排布 用户部分 功能说明 DECLARE_LIBBPF_OPTS 执行效果 前置知识 IP数据包的总长度指的是整个IP数据包的长度,包括IP头部和…

React(2)

题外话&#xff1a;vscode有个插件可以很方便的快速写代码 输入rcc回车 1.组件嵌套 import React, { Component } from reactclass Navbar extends Component{render(){return <div>Navbar</div>} }const Swiper()>{return <div>Swiper</div> }cons…

学习babylon.js --- [2] 项目工程搭建

本文讲述如何搭建babylonjs的项目工程。 一 准备 首先创建一个目录叫MyProject&#xff0c;然后在这个目录里再创建三个目录&#xff1a;dist&#xff0c;public和src&#xff0c;如下&#xff0c; 接着在src目录里添加一个文件叫app.ts&#xff0c;本文使用typescript&#…

论文笔记--PTR: Prompt Tuning with Rules for Text Classification

论文笔记--PTR: Prompt Tuning with Rules for Text Classification 1. 文章简介2. 文章概括3 文章重点技术3.1 Pre-training & Fine-tuning & Prompt-based Fine Tuning3.2 PTR(Prompt Tuning with Rules)3.3 task decomposition3.4 Sub-prompts composition3.5 多个l…

平衡二叉搜索树--AVL详解剖析

目录 一、什么是AVL树 二、AVL树的作用 三、树节点的定义 四、节点的插入 五、旋转 1.左单旋 2.右单旋 左右双旋代码 &#xff1a; 4.右左双旋 一、什么是AVL树 AVL树就是二叉搜索树的进一步的优化&#xff0c;二叉搜索树虽可以缩短查找的效率&#xff0c;但是当数据有…

SDN系统方法 | 1. 概述

随着互联网和数据中心流量的爆炸式增长&#xff0c;SDN已经逐步取代静态路由交换设备成为构建网络的主流方式&#xff0c;本系列是免费电子书《Software-Defined Networks: A Systems Approach》的中文版&#xff0c;完整介绍了SDN的概念、原理、架构和实现方式。原文: Softwar…