matlab中resnorm什么意思

发布网友发布时间：2022-04-25 10:59

共2个回答

热心网友时间：2024-11-19 19:51

x0为初始解向量；xdata，ydata为满足关系ydata=F(x, xdata)的数据；
lb、ub为解向量的下界和上界，若没有指定界，则lb=[ ]，ub=[ ]；
options为指定的优化参数；
fun为拟合函数，其定义方式为：x = lsqcurvefit(@myfun,x0,xdata,ydata)，
其中myfun已定义为 function F = myfun(x,xdata)
F = … % 计算x处拟合函数值fun的用法与前面相同；
resnorm=sum ((fun(x,xdata)-ydata).^2)，即在x处残差的平方和；
residual=fun(x,xdata)-ydata，即在x处的残差；
exitflag为终止迭代的条件；
output为输出的优化信息；
lambda为解x处的Lagrange乘子；
jacobian为解x处拟合函数fun的jacobian矩阵。

热心网友时间：2024-11-19 19:57

就是误差的代数和，比如如下程序，

clear

ydata = [0.42 0.45 0.47 0.51 0.55 0.61 0.67 0.72 ];

xdata = [1163.4 1177.6 1191.9 1206.2 1220.51234.8 1249.1 1263.4 ]

xdata = xdata/1000;

plot(xdata, ydata,'-rs','LineWidth',2,...

'MarkerEdgeColor','k',...

'MarkerFaceColor','g',...

'MarkerSize',10)

hold on

xlabel('亮温')

ylabel('发射率')

legend('Kriging.','IDW.','SFM.','Location','north')

hold on

x0 = [1,1,1,1];

[x,resnorm] =lsqcurvefit(@myfun,x0,xdata,ydata) %回车后;

yy=myfun(x,xdata);

result=[ydata'yy' (yy-ydata)'] %依次显示的原值、拟合值和误差；

plot(xdata, yy, '-*','LineWidth',2,...

'MarkerEdgeColor','k',...

'MarkerFaceColor','y',...

'MarkerSize',10)

其最后结果为：

x = 174.6944 -417.2740 330.2620 -86.2558

resnorm = 1.6039e-004

拟合的结果：result =

0.4200 0.4235 0.0035

0.4500 0.4425 -0.0075

0.4700 0.4720 0.0020

0.5100 0.5104 0.0004

0.5500 0.5563 0.0063

0.6100 0.6080 -0.0020

0.6700 0.6642 -0.0058

0.7200 0.7232 0.0032

resnorm = 1.6039e-004 其实就是result所在结果的最后一列(拟合误差)的代数和。

大家想试验这个程序需要在myfun(,)定义三次多项式拟合方程才行！下面是三次多项式拟合函数方程

function [F] =MyFun(x,xdata)

%UNTITLED Summary of this function goes here

% Detailed explanation goes here%

F = x(1)+x(2)*xdata.^1 + x(3)*xdata.^2 + x(4)*xdata.^3; % 三次多项式拟合方程

end

热心网友时间：2024-11-19 19:59

就是误差的代数和，比如如下程序，

clear

ydata = [0.42 0.45 0.47 0.51 0.55 0.61 0.67 0.72 ];

xdata = [1163.4 1177.6 1191.9 1206.2 1220.51234.8 1249.1 1263.4 ]

xdata = xdata/1000;

plot(xdata, ydata,'-rs','LineWidth',2,...

'MarkerEdgeColor','k',...

'MarkerFaceColor','g',...

'MarkerSize',10)

hold on

xlabel('亮温')

ylabel('发射率')

legend('Kriging.','IDW.','SFM.','Location','north')

hold on

x0 = [1,1,1,1];

[x,resnorm] =lsqcurvefit(@myfun,x0,xdata,ydata) %回车后;

yy=myfun(x,xdata);

result=[ydata'yy' (yy-ydata)'] %依次显示的原值、拟合值和误差；

plot(xdata, yy, '-*','LineWidth',2,...

'MarkerEdgeColor','k',...

'MarkerFaceColor','y',...

'MarkerSize',10)

其最后结果为：

x = 174.6944 -417.2740 330.2620 -86.2558

resnorm = 1.6039e-004

拟合的结果：result =

0.4200 0.4235 0.0035

0.4500 0.4425 -0.0075

0.4700 0.4720 0.0020

0.5100 0.5104 0.0004

0.5500 0.5563 0.0063

0.6100 0.6080 -0.0020

0.6700 0.6642 -0.0058

0.7200 0.7232 0.0032

resnorm = 1.6039e-004 其实就是result所在结果的最后一列(拟合误差)的代数和。

大家想试验这个程序需要在myfun(,)定义三次多项式拟合方程才行！下面是三次多项式拟合函数方程

function [F] =MyFun(x,xdata)

%UNTITLED Summary of this function goes here

% Detailed explanation goes here%

F = x(1)+x(2)*xdata.^1 + x(3)*xdata.^2 + x(4)*xdata.^3; % 三次多项式拟合方程

end

热心网友时间：2024-11-19 19:51