热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

matlab实现数据插值,用MATLAB进行数据插值.ppt

用MATLAB进行数据插值例[x,y]meshgrid(-3:.6:3,-2:.4:2);z(x.^2-2*x).*exp…(-x.^2-y.^2-x.*y);surf

用MATLAB进行数据插值

例 >> [x,y]=meshgrid(-3:.6:3,-2:.4:2); >> z=(x.^2-2*x).*exp… (-x.^2-y.^2-x.*y); >> surf(x,y,z), 选较密的插值点,用默认的线性插值算法进行插值 >> [x1,y1]=meshgrid(-3:.2:3,-2:.2:2); >> z0=interp2(x,y,z,x1,y1); >> surf(x1,y1,z0) 立方和样条插值: >> z1=interp2(x,y,z,x1,y1,'cubic'); >> z2=interp2(x,y,z,x1,y1,'spline'); >> surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5]) >> figure;surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5]) 算法误差比较 >> z=(x1.^2-2*x1).*exp(-x1.^2-y1.^2-x1.*y1); >> surf(x1,y1,abs(z-z1)) >> figure;surf(x1,y1,abs(z-z2)) >> figure;surf(x1,y1,abs(z-z0)) 山区地形地貌图 已知某处山区地形选点测量坐标数据为: x=0? 0.5? 1? 1.5? 2? 2.5? 3? 3.5? 4? 4.5? 5 y=0? 0.5? 1? 1.5? 2? 2.5? 3? 3.5? 4? 4.5? 5? 5.5? 6 海拔高度数据为: z=89 90 87 85 92 91 96 93 90 87 82 ?? 92 96 98 99 95 91 89 86 84 82 84 ?? 96 98 95 92 90 88 85 84 83 81 85 ?? 80 81 82 89 95 96 93 92 89 86 86 ?? 82 85 87 98 99 96 97 88 85 82 83 ?? 82 85 89 94 95 93 92 91 86 84 88 ?? 88 92 93 94 95 89 87 86 83 81 92 ?? 92 96 97 98 96 93 95 84 82 81 84 ?? 85 85 81 82 80 80 81 85 90 93 95 ?? 84 86 81 98 99 98 97 96 95 84 87 ?? 80 81 85 82 83 84 87 90 95 86 88 ?? 80 82 81 84 85 86 83 82 81 80 82 ?? 87 88 89 98 99 97 96 98 94 92 87 山区地形地貌图 程序 原始地貌图程序: x=0:.5:5; y=0:.5:6; [xx,yy]=meshgrid(x,y); z=[89 90 87 85 92 91 96 93 90 87 82 92 96 98 99 95 91 89 86 84 82 84 96 98 95 92 90 88 85 84 83 81 85 80 81 82 89 95 96 93 92 89 86 86 82 85 87 98 99 96 97 88 85 82 83 82 85 89 94 95 93 92 91 86 84 88 88 92 93 94 95 89 87 86 83 81 92 92 96 97 98 96 93 95 84 82 81 84 85 85 81 82 80 80 81 85 90 93 95 84 86 81 98 99 98 97 96 95 84 87 80 81 85 82 83 84 87 90 95 86 88 80 82 81 84 85 86 83 82 81 80 82 87 88 89 98 99 97 96 98 94 92 87]; mesh(xx,yy,z) 山区地形地貌图 结果 >> x=-3+6*rand(200,1);y=-2+4*rand(200,1); >> z=(x.^2-2*x).*exp(-x.^2-y.^2-x.*y); >> [x1,y1]=meshgrid(-3:.2:3,-2:.2:2); >> z1=griddata(x,y,z,x1,y1,'cubic'); >> surf(x1,y1,z1),axis([-3,3,-2,2,-0.7,1.5]) >> z2=griddata(x,y,z,x1,y1,'v4'); >> figure;surf(x1,y1,z2),axis([-3,3,-2,2,-0.7,1.5]) 误差分析 >> z0=(x1.



推荐阅读
  • 利用决策树预测NBA比赛胜负的Python数据挖掘实践
    本文通过使用2013-14赛季NBA赛程与结果数据集以及2013年NBA排名数据,结合《Python数据挖掘入门与实践》一书中的方法,展示如何应用决策树算法进行比赛胜负预测。我们将详细讲解数据预处理、特征工程及模型评估等关键步骤。 ... [详细]
  • 本文详细探讨了KMP算法中next数组的构建及其应用,重点分析了未改良和改良后的next数组在字符串匹配中的作用。通过具体实例和代码实现,帮助读者更好地理解KMP算法的核心原理。 ... [详细]
  • 本文将介绍如何使用 Go 语言编写和运行一个简单的“Hello, World!”程序。内容涵盖开发环境配置、代码结构解析及执行步骤。 ... [详细]
  • 本文探讨了Hive中内部表和外部表的区别及其在HDFS上的路径映射,详细解释了两者的创建、加载及删除操作,并提供了查看表详细信息的方法。通过对比这两种表类型,帮助读者理解如何更好地管理和保护数据。 ... [详细]
  • 1:有如下一段程序:packagea.b.c;publicclassTest{privatestaticinti0;publicintgetNext(){return ... [详细]
  • C++实现经典排序算法
    本文详细介绍了七种经典的排序算法及其性能分析。每种算法的平均、最坏和最好情况的时间复杂度、辅助空间需求以及稳定性都被列出,帮助读者全面了解这些排序方法的特点。 ... [详细]
  • 本文介绍如何利用动态规划算法解决经典的0-1背包问题。通过具体实例和代码实现,详细解释了在给定容量的背包中选择若干物品以最大化总价值的过程。 ... [详细]
  • 本文详细探讨了Java中的24种设计模式及其应用,并介绍了七大面向对象设计原则。通过创建型、结构型和行为型模式的分类,帮助开发者更好地理解和应用这些模式,提升代码质量和可维护性。 ... [详细]
  • 本文介绍了Java并发库中的阻塞队列(BlockingQueue)及其典型应用场景。通过具体实例,展示了如何利用LinkedBlockingQueue实现线程间高效、安全的数据传递,并结合线程池和原子类优化性能。 ... [详细]
  • 题目描述:给定n个半开区间[a, b),要求使用两个互不重叠的记录器,求最多可以记录多少个区间。解决方案采用贪心算法,通过排序和遍历实现最优解。 ... [详细]
  • 深入理解C++中的KMP算法:高效字符串匹配的利器
    本文详细介绍C++中实现KMP算法的方法,探讨其在字符串匹配问题上的优势。通过对比暴力匹配(BF)算法,展示KMP算法如何利用前缀表优化匹配过程,显著提升效率。 ... [详细]
  • 探讨一个显示数字的故障计算器,它支持两种操作:将当前数字乘以2或减去1。本文将详细介绍如何用最少的操作次数将初始值X转换为目标值Y。 ... [详细]
  • 本文详细介绍了Java编程语言中的核心概念和常见面试问题,包括集合类、数据结构、线程处理、Java虚拟机(JVM)、HTTP协议以及Git操作等方面的内容。通过深入分析每个主题,帮助读者更好地理解Java的关键特性和最佳实践。 ... [详细]
  • 在金融和会计领域,准确无误地填写票据和结算凭证至关重要。这些文件不仅是支付结算和现金收付的重要依据,还直接关系到交易的安全性和准确性。本文介绍了一种使用C语言实现小写金额转换为大写金额的方法,确保数据的标准化和规范化。 ... [详细]
  • 机器学习中的相似度度量与模型优化
    本文探讨了机器学习中常见的相似度度量方法,包括余弦相似度、欧氏距离和马氏距离,并详细介绍了如何通过选择合适的模型复杂度和正则化来提高模型的泛化能力。此外,文章还涵盖了模型评估的各种方法和指标,以及不同分类器的工作原理和应用场景。 ... [详细]
author-avatar
wb91cmy
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有