1. matlab多项式拟合
在命令窗口下输入
x=[。。。]
y=[。。。]
cftool
在Curve Fitting Tool界面中，单击Data。。。，选择x Data和y Data，选择Create data set，选择Close
在Curve Fitting Tool界面中，单击Fitting。。。，选择New fit，选择Type of fit，选择Polynomial，选择9th degree polynomial，打勾Center and scale X data项和Immediate apply项，选择Apply
在Results框内，就会出现如下信息
Linear model Poly9:
f(x) = p1*x^9 + p2*x^8 + p3*x^7 + p4*x^6 +
p5*x^5 + p6*x^4 + p7*x^3 + p8*x^2 + p9*x + p10
where x is normalized by mean 2007 and std 4.183
Coefficients (with 95% confidence bounds):
p1 = 1250 (-2623, 5123)
p2 = -1317 (-3803, 1169)
p3 = -7686 (-2.787e+004, 1.25e+004)
p4 = 7016 (-4784, 1.882e+004)
p5 = 1.706e+004 (-1.775e+004, 5.186e+004)
p6 = -1.244e+004 (-2.995e+004, 5083)
p7 = -1.69e+004 (-3.952e+004, 5721)
p8 = 8533 (-214.7, 1.728e+004)
p9 = 9654 (5118, 1.419e+004)
p10 = 1.902e+004 (1.797e+004, 2.007e+004)
Goodness of fit:
SSE: 1.213e+006
R-square: 0.9921
Adjusted R-square: 0.9742
2. MATLAB里的Toolboxes怎么使用急求高手指点！！！
MATLAB工具箱介绍
有三十多个工具箱大致可分为两类:功能型工具箱和领域型工具箱。
功能型工具箱主要用来扩充MATLAB的符号计算功能、图形建模仿真功能、文字处理功能以及与硬件实时交互功能，能用于多种学科。
领域型工具箱是专业性很强的。如图像处理工具箱(Image Processing Toolbox)、控制工具箱(Control Toolbox)、信号处理工具箱(Signal Processing Toolbox)等。下面，将MATLAB工具箱内所包含的主要内容做简要介绍：
1) 图像处理工具箱(Image Processing Toolbox)。
* 二维滤波器设计和滤波
* 图像恢复增强
* 色彩、集合及形态操作
* 二维变换
* 图像分析和统计
可由结构图直接生成可应用的C语言源代码。
2)控制系统工具箱(Control System Toolbox)。
鲁连续系统设计和离散系统设计
* 状态空间和传递函数
* 模型转换
* 频域响应：Bode图、Nyquist图、Nichols图
* 时域响应：冲击响应、阶跃响应、斜波响应等
* 根轨迹、极点配置、LQG
3)财政金融工具箱(FinancialTooLbox)。
* 成本、利润分析，市场灵敏度分析
* 业务量分析及优化
* 偏差分析
* 资金流量估算
* 财务报表
4)频率域系统辨识工具箱(Frequency Domain System ldentification Toolbox
* 辨识具有未知延迟的连续和离散系统
* 计算幅值／相位、零点／极点的置信区间
* 设计周期激励信号、最小峰值、最优能量诺等
5)模糊逻辑工具箱(Fuzzy Logic Toolbox)。
* 友好的交互设计界面
* 自适应神经—模糊学习、聚类以及Sugeno推理
* 支持SIMULINK动态仿真
* 可生成C语言源代码用于实时应用
(6)高阶谱分析工具箱(Higher—Order SpectralAnalysis Toolbox
* 高阶谱估计
* 信号中非线性特征的检测和刻画
* 延时估计
* 幅值和相位重构
* 阵列信号处理
* 谐波重构
(7) 通讯工具箱(Communication Toolbox)。
令提供100多个函数和150多个SIMULINK模块用于通讯系统的仿真和分析
——信号编码
——调制解调
——滤波器和均衡器设计
——通道模型
——同步
(8)线性矩阵不等式控制工具箱(LMI Control Toolbox)。
* LMI的基本用途
* 基于GUI的LMI编辑器
* LMI问题的有效解法
* LMI问题解决方案
(9)模型预测控制工具箱(ModelPredictive Control Toolbox
* 建模、辨识及验证
* 支持MISO模型和MIMO模型
* 阶跃响应和状态空间模型
(10)u分析与综合工具箱(u-Analysis and Synthesis Toolbox)
* u分析与综合
* H2和H无穷大最优综合
* 模型降阶
* 连续和离散系统
* u分析与综合理论
(11)神经网络工具箱(Neursl Network Toolbox)。
* BP，Hopfield，Kohonen、自组织、径向基函数等网络
* 竞争、线性、Sigmoidal等传递函数
* 前馈、递归等网络结构
* 性能分析及应用
(12)优化工具箱(Optimization Toolbox)。
* 线性规划和二次规划
* 求函数的最大值和最小位
* 多目标优化
* 约束条件下的优化
* 非线性方程求解
(13)偏微分方程工具箱(Partial DifferentialEquation Toolbox)。
* 二维偏微分方程的图形处理
* 几何表示
* 自适应曲面绘制，
* 有限元方法
(14)鲁棒控制工具箱(Robust Control Toolbox)。
* LQG／LTR最优综合
* H2和H无穷大最优综合
* 奇异值模型降阶
* 谱分解和建模
(15)信号处理工具箱(signal Processing Toolbox)
* 数字和模拟滤波器设计、应用及仿真
* 谱分析和估计
* FFT，DCT等变换
* 参数化模型
(16)样条工具箱(SPline Toolbox)。
* 分段多项式和B样条
* 样条的构造
* 曲线拟合及平滑
* 函数微分、积分
(17)统计工具箱(Statistics Toolbox)。
* 概率分布和随机数生成
* 多变量分析
* 回归分析
* 主元分析
* 假设检验
(18)符号数学工具箱(Symbolic Math Toolbox)。
* 符号表达式和符号矩阵的创建
* 符号微积分、线性代数、方程求解
* 因式分解、展开和简化
* 符号函数的二维图形
* 图形化函数计算器
(19)系统辨识工具箱(SystEm Identification Toolbox)
* 状态空间和传递函数模型
* 模型验证
* MA，AR，ARMA等
* 基于模型的信号处理
* 谱分析
(20)小波工具箱(Wavelet Toolbox)。
* 基于小波的分析和综合
* 图形界面和命令行接口
* 连续和离散小波变换及小波包
* 一维、二维小波
* 自适应去噪和压缩
3. 如何利用origin,matlab等工具实现多项式+高斯的联合拟合
了解如何利用origin,matlab等工具实现多项式+高斯的联合拟合？首先，明确目的，即通过数据拟合得到理想结果。在有明确表达式的前提下，matlab提供了强大的计算能力，实现多项式与高斯函数联合拟合成为可能。
具体操作中，可以使用matlab的拟合工具箱来实现这一目标。借助工具箱内建函数，用户能够简便地对数据进行多项式拟合或高斯拟合，进而组合使用以达到联合拟合的效果。若需要更深入的自定义实现，考虑使用平台移植策略，参考相关资源以获取更多实现技巧。
在实现过程中，选择合适的优化算法至关重要。以Levenberg-Marquardt算法为例，此算法在处理非线性最小二乘问题时表现优异。在C++环境下，可以利用Armadillo数值计算库轻松实现这一算法。该库提供了丰富的矩阵运算功能，简化了算法实现的复杂性，使得代码编写与维护更为便捷。
总结，利用origin,matlab等工具实现多项式+高斯的联合拟合，关键在于明确目的、选择合适的拟合工具或平台、以及采用高效的优化算法。通过合理利用现有资源，开发者能够有效提升数据拟合的质量与效率，实现复杂数据模型的构建。