matlab在使用plot函数时能不能选择用光滑的曲线将数据点相连 用Matlab怎样将点用光滑曲线连接
matlab\u5728\u4f7f\u7528plot\u51fd\u6570\u65f6\u80fd\u4e0d\u80fd\u9009\u62e9\u7528\u5149\u6ed1\u7684\u66f2\u7ebf\u5c06\u6570\u636e\u70b9\u76f8\u8fde\u4f60\u597d\uff0cMATLAB\u6ca1\u6709\u76f4\u63a5\u753b\u51fa\u5149\u6ed1\u66f2\u7ebf\u7684\uff0c\u5982\u679c\u4f60\u60f3\u8bdd\u5e73\u6ed1\u7684\u66f2\u7ebf\uff0c\u6700\u7b80\u5355\u7684\u65b9\u6cd5\u5c31\u662f\u5229\u7528MATLAB\u63d2\u503c\u51fd\u6570\u8fdb\u884c\u63d2\u503c\uff0c\u5728\u4f17\u591a\u6570\u636e\u4e0b\uff0c\u4f60\u5728\u753b\u56fe\u5c31\u53ef\u4ee5\u5b9e\u73b0\u4e86\uff0c\u5177\u4f53\u8fc7\u7a0b\u4f60\u53ef\u4ee5\u8fd0\u7528spline\u51fd\u6570\uff0c\u795d\u597d\u8fd0
\u8fd9\u4e2a\u53ef\u4ee5\u7528\u6700\u5c0f\u4e8c\u4e58\u62df\u5408\u51fd\u6570\uff0c\u628a\u5b83\u8fdb\u884c\u62df\u5408\u753b\u56fe\u3002>>x = [2 4 6 8 10 15 20 25 30];
>>y =[28.1000 40.0000 56.7000 67.9000 70.9000 71.5000 71.6000 71.5000 71.5000];
>>polyfit(x,y,3) %3\u8868\u793a\u9700\u8981\u62df\u5408\u6210\u51e0\u6b21\u5e42\u51fd\u6570\u7136\u540e\u518d\u4f5c\u56fe\u4e5f\u53ef\u4ee5\u7684\u5427\uff01>>fplot(@t polyval(p,t),[25 30])>>hold on;plot(x,y,'ro');hold off\u8fd9\u6837\u53efOK\u7684\u3002
首先：想办法读出样本点，x=(),y=() (在7.0里用小括号就可以了，不同版本可以自行改一下）
之后可参见如下方法，我也是转载ilove.MATLAB论坛上的方法 用过很好用
转载：“在Matlab 6.5以上的环境下，在左下方有一个"Start"按钮，如同Windows的开始菜单，点开它，在目录"Toolboxes"下有一个"Curve Fitting"，点开"Curve Fitting Tool"，出现数据拟合工具界面，基本上所有的数据拟合和回归分析都可以在这里进行。
下面给你简单介绍一下它的使用方法。
首先在Matlab的命令行输入两个向量，一个向量是你要的x坐标的各个数据，另外一个是你要的y坐标的各个数据。输入以后假定叫x向量与y向量，可以在workspace里面看见这两个向量，要确保这两个向量的元素数一致，如果不一致的话是不能在工具箱里面进行拟合的。
例如在命令行里输入下列数据:
x=(0:0.02:0.98)';
y=sin(4*pi*x+rand(size(x)));
此时x-y之间的函数近似的为正弦关系，频率为2，但是存在一个误差项。
可以通过作图看出它们的大体分布:
plot(x,y,'*','markersize',2);
打开曲线拟合共工具界面，点击最左边的"Data..."按钮，出现一个Data对话框，在Data Sets页面里，在X Data选项中选取x向量，Y Data选项中选取y向量，如果两个向量的元素数相同，那么Create data set按钮就激活了，此时点击它，生成一个数据组，显示在下方Data Sets列表框中。关闭Data对话框。此时Curve Fitting Tool窗口中显示出这一数据组的散点分布图。
点击Fitting...按钮，出现Fitting对话框，Fitting对话框分为两部分，上面为Fit Editor，下面为Table of Fits,有时候窗口界面比较小，Fit Editor部分会被收起来，只要把Table of Fits上方的横条往下拉就可以看见Fit Editor。在Fit Editor里面点击New Fit按钮，此时其下方的各个选框被激活，在Data Set选框中选中刚才建立的x-y数据组，然后在Type of fit选框中选取拟合或回归类型，各个类型的拟合或回归相应的分别是：
Custom Equations 用户自定义函数
Expotential e指数函数
Fourier 傅立叶函数，含有三角函数
Gaussian 正态分布函数，高斯函数
Interpolant 插值函数，含有线性函数，移动平均等类型的拟合
Polynomial 多项式函数
Power 幂函数
Rational 有理函数（不太清楚，没有怎么用过）
Smooth Spline ？？（光滑插值或者光滑拟合，不太清楚）
Sum of sin functions正弦函数类
Weibull 威布尔函数（没用过）
不好意思，没有学过数理统计，所以很多东西都是用了才知道，翻译也就不太准确。不过在Type of fit选框下方有一个列表框，基本上各个函数类里的函数都写成解析式列在下方以供选择，所以找合适的函数还是比较容易的。
在这个Type of fit选框中选择好合适的类型，并选好合适的函数形式。于是点击Apply按钮，就开始进行拟合或者回归了。此时在Curve Fitting Tool窗口上就会出现一个拟合的曲线。这就是所要的结果。
在上面的例子中，选择sum of sin functions中的第一个函数形式，点击Apply按钮，就可以看见拟合得到的正弦曲线。
在Fitting对话框中的Results文本框中显示有此次拟合的主要统计信息，主要有
General model of sin1:
....... (函数形式）
Coefficients (with 95% conffidence range) (95%致信区间内的拟合常数）
a1=... ( ... ...) （等号后面是平均值，括号里是范围）
....
Godness of fit: (统计结果）
SSE: ... （方差）
R-squared: ... (决定系数，不知道做什么的）
Adjusted R-squared: ... (校正后的决定系数，如何校正的不得而知）
RMSE: ... (标准差）
上面的例子中经过拟合得到的函数最后为
y=0.9354*sin(12.36x+6.886)
频率为1.98加减0.03，和原来设置的频率为2符合，相对误差为1.5%。
这是曲线拟合工具箱的一个最简单的使用方法，上面还有很多功能，写是写不完的，自己参照这个基本的思路，翻着英汉词典，看着帮助，然后一个按钮一个按钮的试吧。
另外要说的是，如果想把这个拟合的图像导出的话，在Curve Fitting Tool窗口的File菜单下选Print to Figure，此时弹出一个新的图像窗口，里面是你要导出的图像，在这个figure窗口的File菜单里再选Export，选择好合适的格式，一般是jpeg，选择好路径，点击OK就可以了。出来的图像可以在Word等编辑环境中使用，就不多说了。
要修改图像的性质，如数据点的大小、颜色等等的，只需要在对象上点右键，就差不多可以找到了。”
上面所说的X，Y向量就是样本点。
下面是转载的网址，希望有用处
ilovematlab是个不错的论坛，我也是刚发现，不过帮助很大，基本的问题在那都会有答案。
另外,团IDC网上有许多产品团购,便宜有口碑
你好，MATLAB没有直接画出光滑曲线的，如果你想话平滑的曲线，最简单的方法就是利用MATLAB插值函数进行插值，在众多数据下，你在画图就可以实现了，具体过程你可以运用spline函数，祝好运
先插值再画图
绛旓細棣栧厛锛plot鍑芥暟鐨勫熀鏈敤娉曟槸plot(x, y)锛屽畠闇瑕佽緭鍏ヤ竴缁剎鍧愭爣鍜屽搴旂殑y鍧愭爣锛岀敤浜庣敓鎴愪竴鏉＄嚎鎬у潗鏍囨洸绾銆備緥濡傦紝閫氳繃璁剧疆x=0:0.001:10, y=sin(x)锛屾垜浠彲浠ヨ交鏉剧粯鍒跺嚭涓鏉℃寮︽洸绾匡紝杈撳嚭缁撴灉浼氭樉绀哄湪涓涓浘褰㈢獥鍙ｄ腑銆傚浜庡湪鍚屼竴鐢婚潰缁樺埗澶氭潯鏇茬嚎锛宲lot鍑芥暟鍙互鎺ュ彈澶氫釜鏁扮粍锛屽x=0:pi/15:2*pi,...
绛旓細matlab涓簩缁寸嚎鐢诲浘鍑芥暟銆傚嚱鏁拌娉 plot鍑芥暟鐨勫熀鏈皟鐢ㄦ牸寮忎负锛1銆乸lot(y)褰搚涓哄悜閲忔椂锛屾槸浠鐨勫垎閲忎负绾靛潗鏍囷紝浠ュ厓绱犲簭鍙蜂负妯潗鏍囷紝鐢ㄧ洿绾夸緷娆¤繛鎺ユ暟鎹偣锛岀粯鍒舵洸绾裤傝嫢y涓哄疄鐭╅樀锛屽垯鎸夊垪缁樺埗姣忓垪瀵瑰簲鐨勬洸绾裤2銆乸lot(x,y)鑻鍜寈涓哄悓缁村悜閲忥紝鍒欎互x涓烘í鍧愭爣,y涓虹旱鍧愭爣缁樺埗杩炵嚎鍥俱傝嫢x鏄悜閲忥紝y...
绛旓細1.鎴戜滑闇瑕佸matlab鏈変竴涓垵姝ョ殑浜嗚В鍚庯紝鎵嶅彲鑳藉畬鎴愬悗缁殑姝ラ锛屼緥瀛愬涓嬶細2.鐜板湪鎴戜滑闇瑕佹妸鍥惧舰闅愯棌璧锋潵锛屼篃灏辨槸涓嶄富鍔ㄥ脊鍑哄浘褰㈢獥鍙ｏ紝杩欎竴姝ラ渶瑕佹垜浠簡瑙ｇ浉鍏崇殑鍑芥暟鍙ユ焺鐨勭煡璇嗭紝鍏蜂綋鐪嬪浘锛3.鍦ㄤ笂涓姝ヤ腑锛屽嚱鏁板浘褰㈢殑鍙鎬э紙visible锛夊凡缁忓叧闂紙off锛夛紝涔熷氨鏄闅愯棌璧锋潵浜嗭紝鎺ョ潃鎴戜滑寰楁妸plot鍑芥暟鍋氬嚭鐨勫浘...
绛旓細plot鍦╩atlab涓殑鐢ㄦ硶灏辨槸缁樺埗鐢辩嚎娈佃繛鎺ョ殑涓缁勫潗鏍囷紝璇峰皢X鍜孻鎸囧畾涓虹浉鍚岄暱搴︾殑鍚戦噺銆傚綋y涓哄悜閲忔椂锛屾槸浠鐨勫垎閲忎负绾靛潗鏍囷紝浠ュ厓绱犲簭鍙蜂负妯潗鏍囷紝鐢ㄧ洿绾夸緷娆¤繛鎺ユ暟鎹偣锛岀粯鍒舵洸绾裤傝嫢y涓哄疄鐭╅樀锛屽垯鎸夊垪缁樺埗姣忓垪瀵瑰簲鐨勬洸绾裤傝嫢y鍜寈涓哄悓缁村悜閲忥紝鍒欎互x涓烘í鍧愭爣锛寉涓虹旱鍧愭爣缁樺埗杩炵嚎鍥俱傝嫢x鏄悜閲忥紝y鏄...
绛旓細鍦∕ATLAB涓埗浣滄暎鐐瑰浘鐨勬楠わ細1. 鎵撳紑MATLAB杞欢銆2. 鍒涘缓鏁版嵁銆傚彲浠浣跨敤MATLAB鐨闅忔満鍑芥暟鐢熸垚涓浜涢殢鏈烘暟鎹紝鎴栬呮墜鍔ㄨ緭鍏ユ暟鎹偣銆3. 浣跨敤plot鍑芥暟鍒涘缓鏁ｇ偣鍥俱傞氳繃鎸囧畾涓や釜鍚戦噺浣滀负杈撳叆鍙傛暟鏉ョ粯鍒舵暎鐐瑰浘锛屽叾涓瘡涓悜閲忓寘鍚竴缁勬暟鎹偣鐨勫潗鏍囥傚彲浠ヤ娇鐢'ro'绛夊瓧绗︿覆鎸囧畾鏁ｇ偣鐨勯鑹插拰鏍囪鏍峰紡銆備緥濡傦紝'ro'...
绛旓細m=0:0.1:10;R5=1-(1-exp(-m))./m plot(m,R5)
绛旓細鍦MATLAB涓紝"x(1,:)"鏄竴涓父瑙佺殑绱㈠紩琛ㄨ揪寮忥紝瀹冧唬琛ㄤ簡鐭╅樀x鐨勭涓琛岋紝鍖呮嫭鎵鏈夊垪銆":"瀛楃鍦ㄨ繖閲岃〃绀鸿寖鍥达紝鍗抽夊彇鎵鏈夊垪銆傚綋鎴戜滑鍦╬lot()鍑芥暟涓浣跨敤杩欎釜琛ㄨ揪寮忥紝濡俙plot(x(1,:))`锛屽畠瀹為檯涓婃槸鍦ㄧ敓鎴愪竴涓浘褰紝灏唜鐭╅樀鐨勭涓琛屽厓绱犱綔涓烘暟鎹偣锛岀粯鍒跺湪鍧愭爣杞翠笂銆俻lot()鍑芥暟閫氬父闇瑕佹寚瀹氭í鍧愭爣...
绛旓細绗竴姝ワ紝纭畾鑷彉閲弜鐨勮寖鍥达紝濡 x=linspace(0锛10) %鐢熸垚x绛夊樊鏁板垪鍚戦噺缁勶紝鍏樊涓0.01锛100涓瓑鍒嗙偣 绗簩姝ワ紝璁＄畻涓巟瀵瑰簲鐨剏鍊 y=4*x.^4-18*x.^3+28*x.^2-18*x+4 %璁＄畻鏃讹紝闇浣跨敤鐐逛箻璁＄畻 绗笁姝ワ紝鍒涘缓涓涓柊鐨勫浘绐 figure 绗洓姝ワ紝浣跨敤plot缁樺浘鍑芥暟锛岀粯鍒跺嚱鏁板浘鍍 plot(x,y,...
绛旓細鍦MATLAB涓敾涓鏉℃洸绾匡紝鍙敤plot鍛戒护锛屽綋鐒惰繕鍙互鐢╨ine鍛戒护銆1銆鐢╬lot鍛戒护銆備緥濡傦細缁樺埗y=sin(x)+cos(x)figure x = linspace(0,10);y = sin(x)+cos(x);plot(x,y)2銆佺敤line鍛戒护 figure x = linspace(0,10);y = sin(x)+cos(x);line(x,y)杩愯涓婅堪涓ょ粍浠ｇ爜鍚庣殑缁撴灉 ...
绛旓細鍦Matlab涓紝鏈夊绉嶆柟娉曞彲浠ュ湪鍚屼竴鍧愭爣杞翠笂缁樺埗澶氭潯浜岀淮鏇茬嚎銆備互涓嬫槸鍑犵甯哥敤鐨勬柟娉曪細浣跨敤plot鍑芥暟锛氫娇鐢ㄥ娆lot鍑芥暟璋冪敤鏉ョ粯鍒跺鏉℃洸绾裤傛瘡娆¤皟鐢╬lot鍑芥暟鏃讹紝鎸囧畾涓嶅悓鐨勬暟鎹偣浣滀负鏇茬嚎鐨 x 鍜 y 鍊笺備緥濡傦細x1 = 0:0.1:2*pi;y1 = sin(x1);x2 = 0:0.1:2*pi;y2 = cos(x2);plot(x1...
