Matlab+Toolbox+工具箱1
Matlab各工具箱功能简介(部分)
Ｔoolbox工具箱序号工具箱备注一、数学、统计与优化1 Symbolic Math Toolbox符号数学工具箱Symbolic Math Toolbox™提供用于求解和推演符号运算表达式以及执行可变精度算术的函数。您可以通过分析执行微分、积分、化简、转换以及方程求解。另外，还可以利用符号运算表达式为MATLAB、Simulink和Simscape™生成代码。®®Symbolic Math Toolbox包含MuPAD语言，并已针对符号运算表达式的处理和执®行进行优化。该工具箱备有MuPAD函数库，其中包括普通数学领域的微积分和线性代数，以及专业领域的数论和组合论。此外，还可以使用MuPAD语言编写自定义的符号函数和符号库。MuPAD记事本支持使用嵌入式文本、图形和数学排版格式来记录符号运算推导。您可以采用HTML或PDF的格式分享带注释的推导。2 Partial Differential Euqation Toolbox偏微分方程工具箱偏微分方程工具箱™提供了用于在2D，3D求解偏微分方程（PDE）以及一次使用有限元分析。它可以让你指定和网格二维和三维几何形状和制定边界条件和公式。你能解决静态，时域，频域和特征值问题在几何领域。功能进行后处理和绘图效果使您能够直观地探索解决方案。你可以用偏微分方程工具箱，以解决从标准问题，如扩散，传热学，结构力学，静电，静磁学，和AC电源电磁学，以及自定义，偏微分方程的耦合系统偏微分方程。3 Statistics Toolbox统计学工具箱Statistics and Machine Learning Toolbox提供运用统计与机器学习来描述、分析数据和对数据建模的函数和应用程序。您可以使用用于探查数据分析的描述性统计和绘图，使用概率分布拟合数据，生成用于Monte Carlo仿真的随机数，以及执行假设检验。回归和分类算法用于依据数据执行推理并构建预测模型。
Matlab-Robotic-Toolbox工具箱学习笔记
Matlab Robotic Toolbox工具箱学习笔记（一）软件：matlab2013a工具箱：Matlab Robotic Toolbox v9.8Matlab Robotic Toolbox工具箱学习笔记根据Robot Toolbox demonstrations目录，将分三大部分阐述：1、General(Rotations,Transformations,Trajectory)2、Arm(Robot,Animation,Forwarw kinematics,Inversekinematics,Jacobians,Inverse dynamics,Forward dynamics,Symbolic,Code generation)3、Mobile(Driving to apose,Quadrotor,Braitenberg,Bug,D*,PRM,SLAM,Particle filter) General/Rotations%绕x轴旋转pi/2得到的旋转矩阵(1)r = rotx(pi/2);%matlab默认的角度单位为弧度，这里可以用度数作为单位(2)R = rotx(30, 'deg') * roty(50, 'deg') * rotz(10, 'deg');%求出R等效的任意旋转变换的旋转轴矢量vec和转角theta(3)[theta,vec] = tr2angvec(R);%旋转矩阵用欧拉角表示，R = rotz(a)*roty(b)*rotz(c)(4)eul = tr2eul(R);%旋转矩阵用roll-pitch-yaw角表示，R = rotx(r)*roty(p)*rotz(y) (5)rpy = tr2rpy(R);%旋转矩阵用四元数表示（6）q = Quaternion(R);%将四元数转化为旋转矩阵(7)q.R;%界面,可以是“rpy”，“eluer”角度单位为度。
给Matlab添加工具箱Toolbox的方法（有截图详细讲解）
给Matlab添加⼯具箱Toolbox的⽅法（有截图详细讲解）
测试环境：Matlab R2012b, Windows 7.
虽然庞⼤的Matlab已经有了很多⼯具箱，但是这些Toolbox可能仍不能满⾜你的要求，常常需要⾃⼰添加Toolbox。
下⾯以添加卡尔曼滤波器⼯具箱为例，讲诉给Matlab添加⼯具箱的⽅法。
Step1：将下载的Kalman.zip解压得到KalmanAll⽂件夹，然后将该⽂件夹拷贝⾄Matlab的Toolbox⽬录，例如：D:\Program
Files\MATLAB\R2010b\toolbox。
Step2：打开Matlab，点击“File->Set Path->Add Folder”，添加刚才拷贝进⼊的KalmanAll⽂件夹。
切记如果你要添加的⽂件夹⾥⾯还有⼦⽂件夹，⼀定要点击“Add with Subfolders”，选择KalmanAll⽂件夹，添加该⽂件夹的所有⼦⽂件夹。
Step3：然后在“File->Preferences->General”⾥⾯，update Toolbox Path Cache就可以了。
最后可以测试⼀下，有没有添加成功。
在Matlab⾥⾯输⼊：which kalman_filter.m，如果可以显⽰正确的路径就OK了。
然后可以输⼊testKalman运⾏⼀个⼩例⼦。
Matlab+Toolbox+工具箱1
Matlab Toolbox 工具箱Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱介绍Matlab包含两部分内容：基本部分和根据专门领域中的特殊需要而设计的各种可选工具箱。
Symbolic MathPDEOptimizationSignal processImage ProcessStatisticsControl SystemSystem Identification……一、工具箱简介•功能型工具箱——通用型功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、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，能够用于多种学科。
•领域型工具箱——专用型领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（Financial Toolbox）等等。
只适用于本专业。
控制系统工具箱Control System Toolbox•连续系统设计和离散系统设计•状态空间和传递函数以及模型转换•时域响应（脉冲响应、阶跃响应、斜坡响应）•频域响应（Bode图、Nyquist图）•根轨迹、极点配置Matlab常用工具箱•Matlab Main Toolbox——matlab主工具箱•Control System Toolbox——控制系统工具箱•Communication Toolbox——通讯工具箱•Financial Toolbox——财政金融工具箱•System Identification Toolbox——系统辨识工具箱•Fuzzy Logic Toolbox——模糊逻辑工具箱•Bioinformatics Toolbox——生物分析工具箱•Image Processing Toolbox——图象处理工具箱•Database Toolbox——数据库工具箱•Model predictive Control Toolbox——模型预测控制工具箱•Neural Network Toolbox——神经网络工具箱•Optimization Toolbox——优化工具箱•Partial Differential Toolbox——偏微分方程工具箱•Robust Control Toolbox——鲁棒控制工具箱•Signal Processing Toolbox——信号处理工具箱•Spline Toolbox——样条工具箱•Statistics Toolbox——统计工具箱•Symbolic Math Toolbox——符号数学工具箱•Simulink Toolbox——动态仿真工具箱•Virtual Reality Toolbox——虚拟现实工具箱•Wavelet Toolbox——小波工具箱等等…….而且每个新出的版本都在增加、更新完善。
matlab工具箱下载安装和使用方法的汇总Toolbox大全
matlab工具箱下载安装和使用方法的汇总Toolbox大全Maplesoft《Maple Toolbox for MATLAB》Sergiy Iglin《Graph Theory Toolbox》(图论工具箱)Koert Kuipers《Branch And Bound toolbox 2.0》(BNB20分支定界工具箱)Howard Wilson《Numerical Integration T oolbox》(NIT数值积分工具箱)Anton Zaicenco《FEM toolbox for solid mechanics》(固体力学有限元工具箱)Nicholas J. Higham《The Matrix Computation Toolbox》(矩阵计算工具箱)Paolo Di Prodi《robotic toolbox》(机器人工具箱)Moein Mehrtash《GPS Navigation T oolbox 》(GPS导航工具箱)J.Divahar 《Airfoil_Analyzer_toolbox》(翼型分析工具箱)Rasmus Anthin《Multivariable Calculus T oolbox 》(多变量微积分工具箱)《Time frequency analysis toolbox》(时频分析工具箱)Johan L?fberg《Yet A LMI Package》(YLMIP优化工具箱)NCSU-IE 《Genetic Algorithm Optimization Toolbox 》(GAOT 遗传算法优化工具箱)Dahua Lin《Statistical Learning Toolbox》(统计学习工具箱)Richard Frost《Simulated Annealing Tools 》(satools模拟退火工具箱)陈益《simple genetic algorithms laboratory》(SGALAB简单遗传算法实验室)Eric Debreuve《Active Contour Toolbox》(主动轮廓线工具箱)Alaa Tharwat《Alaa Tharwat ToolBox》(模式识别&数字图像处理工具箱)Brian Birge《Particle Swarm Optimization T oolbox》(PSO粒子群优化工具箱)Hartmut Pohlheim《Genetic and Evolutionary Algorithm toolbox》(遗传和进化工具箱)Gonzalez《DIPUM Toolbox》(数字图像处理工具箱)Jouni Hartikainen《EKF/UKF Toolbox for Matlab》(扩展卡曼滤波工具箱)Frederic Moisy《EzyFit toolbox 2.20》(快速拟合工具箱)Constell,Inc《Constellation T oolbox for Matlab》(星座工具箱和手册)Kevin Murphy《Hidden Markov Model (HMM) T oolbox》(隐马尔可夫模型工具箱)Janos Abonyi《Fuzzy Cluster Analysis Toolbox》(模糊聚类和数据分析工具箱)Ben Barrowes《Mathematica Symbolic Toolbox for MATLAB》《Math modl toolbox》(数学建模工具箱)Zoubin Ghahramani《Machine Learning Toolbox》(机器学习，主要是HMM)Sheffield《genetic arithmetic toolbox》(GATBX遗传算法工具箱)Gerald Recktenwald 《Numerical Methods with MATLAB》(NMM1.5数值分析工具箱)Matlab数据关联规则挖掘的工具箱（箱内含使用手册）分享与讨论Martin Ohlin《TrueTime-1.5 Toolbox》Evan Ruzanski《Comprehensive DSP Toolbox v1.0》(综合数字信号处理工具箱)Minh Do《Contourlet toolbox》(Contourlet变换影像处理工具箱)Mike Brookes《Voice box》(语音处理工具箱)Mike Craymer《Geodetic T oolbox》(大地测量学工具箱)Ian Nabney《Pattern analysis toolbox》(Netlab模式分析工具箱)Gabriel Peyre《Toolbox Fast Marching》(快速步进工具箱)John Buck《Computer Explorations Toolbox》(数字信号和系统工具箱)Eric Debreuve《Active Contour Toolbox》(主动轮廓线工具箱)Rasmus Anthin《Finite Element T oolbox 2.1》(有限元工具箱)。
MATLAB工具箱的使用
MATLAB工具箱的使用MATLAB®是一种强大的科学计算软件，广泛应用于各个领域的数学建模、数据分析、仿真和算法开发等工作中。
为了满足不同领域的需求，MATLAB提供了许多不同的工具箱。
这些工具箱包含了各种不同领域的函数和工具，可以帮助用户更加高效地进行数据处理、模拟和算法开发等工作。
下面将介绍几个常用的MATLAB工具箱，以及它们的使用方法：1.信号处理工具箱（Signal Processing Toolbox）：这个工具箱提供了一系列处理数字信号的函数和工具。
用户可以使用这些函数和工具进行信号滤波、功率谱估计、频谱分析、时间频率分析等操作。
该工具箱还提供了许多基本信号处理算法，如滤波器设计、卷积和相关等。
例如，用户可以使用`filtfilt(`函数对信号进行零相移滤波，以去除噪声。
2.图像处理工具箱（Image Processing Toolbox）：图像处理工具箱提供了一系列处理数字图像的函数和工具。
用户可以使用这些函数和工具进行图像的读取、显示、修改、增强和分析等操作。
该工具箱包含了许多常用的图像处理算法，如图像滤波、边缘检测、形态学处理和图像分割等。
例如，用户可以使用`imread(`函数读取图像，然后使用`imshow(`函数显示图像。
3.控制系统工具箱（Control System Toolbox）：这个工具箱提供了一系列用于分析和设计控制系统的函数和工具。
用户可以使用这些函数和工具进行控制系统的建模、稳定性分析、根轨迹设计和频域分析等操作。
该工具箱还提供了许多常用的控制系统设计方法，如PID控制器设计和状态空间控制器设计等。
例如，用户可以使用`tf(`函数创建传递函数模型，然后使用`step(`函数绘制系统的阶跃响应。
4.优化工具箱（Optimization Toolbox）：优化工具箱提供了一系列用于求解优化问题的函数和工具。
用户可以使用这些函数和工具进行线性规划、非线性规划和整数规划等操作。
matlab toolbox类型
matlab toolbox类型Matlab Toolbox 类型Matlab 是一种强大的数值计算与科学编程工具，由于其卓越的性能和丰富的功能，被广泛应用于科学、工程和金融等领域。
为了更好地满足不同领域用户的需求，Matlab 提供了丰富的工具箱（Toolbox），包含了各种专门用于特定领域的函数和工具。
本文将介绍 Matlab Toolbox 的类型及其应用。
一、控制系统工具箱（Control System Toolbox）控制系统工具箱是 Matlab 中用于设计、分析和模拟控制系统的重要工具箱。
它包含了许多在控制工程中常用的函数和算法，如PID 控制器设计、稳定性分析、系统响应等。
控制系统工具箱的使用可以帮助工程师快速实现对控制系统的建模、仿真和优化。
二、图像处理工具箱（Image Processing Toolbox）图像处理工具箱是专门用于数字图像处理的工具箱，提供了丰富的图像处理函数和算法。
它可以帮助用户实现图像的滤波、增强、分割、配准等操作，还支持图像的压缩和编码。
图像处理工具箱被广泛应用于计算机视觉、医学影像分析、遥感图像处理等领域。
三、信号处理工具箱（Signal Processing Toolbox）信号处理工具箱提供了丰富的信号处理函数，用于设计和分析各种类型的信号。
这些函数包括了离散傅里叶变换（DFT）、滤波器设计、频谱分析等。
信号处理工具箱在音频处理、通信系统设计、生物医学信号处理等领域具有广泛的应用。
四、机器学习工具箱（Machine Learning Toolbox）机器学习工具箱是 Matlab 中用于实现各种机器学习算法的工具箱。
它包含了常用的分类、回归、聚类、降维等算法，如支持向量机（SVM）、决策树、神经网络等。
机器学习工具箱的使用使得用户能够在数据挖掘、模式识别、预测分析等任务中实现自动化的学习与决策。
五、优化工具箱（Optimization Toolbox）优化工具箱是用于解决数学最优化问题的工具箱，提供了各种优化算法和函数。
(整理)MATLAB如何添加工具箱.
关于如何在matlab中添加新的工具箱的整理和心得首先说说添加到matlab搜索路径好处：1 对n——你只需要存储一个副本，就可以在其他地方使用。
具体来说，假设你在数据盘D上新建了两个目录abc和def，这两个工程（每个目录下的所有程序相应地称为一个工程）都需要调用同一个（些）函数（简称工具箱），这时候，如果你没有把该工具箱添加到matlab的搜索路径下，则需要分别把工具箱中所有用到的文件都复制到目录abc和def下才能正确运行。
这显然浪费空间，所以，matlab提供了一个搜索路径（默认在matlab安装目录下的toolbox中），只要把工具箱对应的整个文件夹复制到搜索路径对应的目录下，并且通知matlab一声（把该路径正确添加到搜索路径中），就可以在abc和def中使用这个工具箱了（即无论你的工程文件在哪个目录（有效的目录）下都可以访问这个工具箱中的函数）。
下面就以matlab安装目录下的toolbox目录作为默认的添加路径进行详细说明。
1. 如何添加工具箱？以下是添加工具箱的方法：（论坛很多人转载过，这里就不作区分了，下面的举例也一样）如果是Matlab安装光盘上的工具箱，重新执行安装程序，选中即可。
如果是单独下载的工具箱，则需要把新的工具箱（以下假设工具箱名字为svm）解压到toolbox目录下，然后用addpath或者pathtool把该工具箱的路径添加到matlab的搜索路径中，最后用which newtoolbox_command.m来检验是否可以访问。
如果能够显示新设置的路径，则表明该工具箱可以使用了。
具体请看工具箱自己代的README文件。
1.1 举例：要添加的工具箱为svm，则解压后，里边有一个目录svm，假设matlab安装在D:\MATLAB6p5，将svm目录拷贝至D:\MATLAB6p5\toolbox，然后运行matlab，在命令窗口输入addpath D:\MATLAB6p5\toolbox\svm回车，来添加路径。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab Toolbox 工具箱Matlab工具箱已经成为一个系列产品，Matlab主工具箱和各种工具箱（toolbox ）。
工具箱介绍Matlab包含两部分内容：基本部分和根据专门领域中的特殊需要而设计的各种可选工具箱。
Symbolic MathPDEOptimizationSignal processImage ProcessStatisticsControl SystemSystem Identification……一、工具箱简介•功能型工具箱——通用型功能型工具箱主要用来扩充Matlab的数值计算、符号运算功能、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，能够用于多种学科。
•领域型工具箱——专用型领域型工具箱是学科专用工具箱，其专业性很强，比如控制系统工具箱（Control System Toolbox）；信号处理工具箱（Signal Processing Toolbox）；财政金融工具箱（Financial Toolbox）等等。
只适用于本专业。
控制系统工具箱Control System Toolbox•连续系统设计和离散系统设计•状态空间和传递函数以及模型转换•时域响应（脉冲响应、阶跃响应、斜坡响应）•频域响应（Bode图、Nyquist图）•根轨迹、极点配置Matlab常用工具箱•Matlab Main Toolbox——matlab主工具箱•Control System Toolbox——控制系统工具箱•Communication Toolbox——通讯工具箱•Financial Toolbox——财政金融工具箱•System Identification Toolbox——系统辨识工具箱•Fuzzy Logic Toolbox——模糊逻辑工具箱•Bioinformatics Toolbox——生物分析工具箱•Image Processing Toolbox——图象处理工具箱•Database Toolbox——数据库工具箱•Model predictive Control Toolbox——模型预测控制工具箱•Neural Network Toolbox——神经网络工具箱•Optimization Toolbox——优化工具箱•Partial Differential Toolbox——偏微分方程工具箱•Robust Control Toolbox——鲁棒控制工具箱•Signal Processing Toolbox——信号处理工具箱•Spline Toolbox——样条工具箱•Statistics Toolbox——统计工具箱•Symbolic Math Toolbox——符号数学工具箱•Simulink Toolbox——动态仿真工具箱•Virtual Reality Toolbox——虚拟现实工具箱•Wavelet Toolbox——小波工具箱等等…….而且每个新出的版本都在增加、更新完善。
工具箱介绍放入一个目录中的为某种目的专门编写的一组Matlab函数就可以组成一个工具箱。
从某种意义上说，任何一个Matlab语言的使用者都可以是工具箱的作者。
工具箱介绍在一个工具箱中，应该有一个名为Contents.m的文件，用来描述工具箱中所有Matlab函数的名称和意义。
在该文件中第 1 行应该给出该工具箱的名称，在第 2 行中给出该工具箱的版本与修改时间等信息。
然后分类地给出该工具箱中各类函数的最基本功能。
注意，本文件中所有的语句都应该是注释语句，由百分号%引导，空行也应该由%引导。
Matlab工具箱的安装Matlab工具箱的安装9Matlab的所有工具箱都安装在$MATLAB\toolbox 目录中，其中$MATLAB表示Matlab的安装目录。
9用户如果想安装自己的工具箱，只需将包含所有M函数文件的目录名添加到Matlab的搜索路径中。
工具箱安装实例安装工具箱ncm9下载ncm.zip并将全部文件解压到目录ncm中9将目录ncm复制到$MATLAB\toolbox\9将目录$MATLAB\toolbox\ncm添加到当前搜索路径，或永久添加到Matlab搜索路径中。
MATLAB Optimization ToolboxOptimization TreeFigure 1: Optimization tree.数据拟合•用插值的方法对一函数进行近似,要求所得到的插值多项式经过已知插值节点;在n比较大的情况下,插值多项式往往是高次多项式,这也就容易出现振荡现象（龙格现象），即虽然在插值节点上没有误差,但在插值节点之外插值误差变得很大,从“整体”上看,插值逼近效果将变得“很差”。
•数据拟合是求一个简单的函数,例如是一个低次多项式,不要求通过已知的这些点,而是要求在整体上“尽量好”的逼近原函数。
You open the Curve Fitting Tool with the cftool command.cftoolload censusdataFitgraphBest fittingcompareApply3D fitting•或矩阵形式1221111(),1,2,,1n L L n j k n k i j i i j i i xc x y k n ++−−+−=====+∑∑∑L 221111112111211110111...........L L L Ln n n n i i i i i i i i i L L L n n n i i i i i i i n L L L ni i i i i i x x x x y c x x x y c c x x y −====−−−===+===⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦∑∑∑∑∑∑∑∑∑∑多项式拟合MATLAB命令：polyfit 格式：p=polyfit(x,y,n)>> x0=0:.1:1; y0=(x0.^2-3*x0+5).*exp(-5*x0).*sin(x0);>> p3=polyfit(x0,y0,3); vpa(poly2sym(p3),10) ans =2.839962923*x^3-4.789842696*x^2+1.943211631*x+.5975248921e-1例•绘制拟合曲线：>> x=0:.01:1; ya=(x.^2-3*x+5).*exp(-5*x).*sin(x); >> y1=polyval(p3,x); plot(x,y1,x,ya,x0,y0,'o')p6=polyfit(x0,y0,6);y2=polyval(p6,x);vpa(poly2sym(p6),10)•就不同的次数进行拟合：>> p4=polyfit(x0,y0,4); y2=polyval(p4,x); >> p5=polyfit(x0,y0,5); y3=polyval(p5,x); >> p8=polyfit(x0,y0,8); y4=polyval(p8,x); >> plot(………………..)•拟合最高次数为8的多项式：>> vpa(poly2sym(p8),5)ans=-8.2586*x^8+43.566*x^7-101.98*x^6+140.22*x^5-125.29*x^4+74.450*x^3-27.672*x^2+4.9869*x+.42037e-6•Taylor幂级数展开：>> syms x; y=(x^2-3*x+5)*exp(-5*x)*sin(x);>> vpa(taylor(y,9),5)ans=5.*x-28.*x^2+77.667*x^3-142.*x^4+192.17*x^5-204.96*x^6+179.13*x^7-131.67*x^8多项式拟合的效果并不一定总是很精确的。
>> x0=-1+2*[0:10]/10; y0=1./(1+25*x0.^2);>> x=-1:.01:1; ya=1./(1+25*x.^2);>> p3=polyfit(x0,y0,3);>> y1=polyval(p3,x);>> p5=polyfit(x0,y0,5);>> y2=polyval(p5,x);>> p8=polyfit(x0,y0,8);>> y3=polyval(p8,x);>> p10=polyfit(x0,y0,10);>> y4=polyval(p10,x);>> plot(x,ya,x,y1,x,y2,'-.',x,y3,'--',x,y4,':')例•用Taylor幂级数展开效果将更差。
>> syms x; y=1/(1+25*x^2); p=taylor(y,x,10) p =1-25*x^2+625*x^4-15625*x^6+390625*x^8•多项式拟合效果>> x1=-1:0.01:1;>> ya=1./(1+25*x1.^2);>> y1=subs(p,x1);>> plot(x1,ya,'--‘,x1,y1)曲线拟合方法该方程的最小二乘解为:其中例>> x=[0,0.2,0.4,0.7,0.9,0.92,0.99,1.2,1.4,1.48,1.5]'; >> y=[2.88;2.2576;1.9683;1.9258;2.0862;2.109;2.1979;2.5409;2.9627;3.155;3.2052];>> A=[ones(size(x))，exp(-3*x), cos(-2*x).*exp(-4*x) ，x.^2];>> c=A\y; c1=c'c1 =1.22002.3397 -0.6797 0.8700•图形显示>> x0=[0:0.01:1.5]';>> A1=[ones(size(x0)) exp(-3*x0), cos(-2*x0).*exp(-4*x0) x0.^2];>> y1=A1*c;>> plot(x0,y1,x,y,'x')•数据分析>> x=[1.1052,1.2214,1.3499,1.4918,1.6487,1.8221,2.0138,... 2.2255,2.4596,2.7183,3.6693];>> y=[0.6795,0.6006,0.5309,0.4693,0.4148,0.3666,0.3241,...0.2864,0.2532,0.2238,0.1546];>> plot(x,y,x,y,'*')例•分别对x,y进行对数变换：>> x1=log(x); y1=log(y); plot(x1,y1)>> A=[x1', ones(size(x1'))]; c=[A\y1']‘c =-1.2339 -0.2630>> exp(c(2))ans =0.7687>> x=[0:0.1:1]'; y=(x.^2-3*x+5).*exp(-5*x).*sin(x); n=8; A=[];>> for i=1:n+1, A(:,i)=x.^(n+1-i); end>> c=A\y; vpa(poly2sym(c),5)ans =-8.2586*x^8+43.566*x^7-101.98*x^6+140.22*x^5-125.29*x^4+74.450*x^3-27.672*x^2+4.9869*x+.42037e-6例最小二乘曲线拟合•格式：[a, jm ]=lsqcurvefit(Fun,a,x,y)例>> x=0:.1:10;>> y=0.12*exp(-0.213*x)+0.54*exp(-0.17*x).*sin(1.23*x);>> f=inline('a(1)*exp(-a(2)*x)+a(3)*…exp(-a(4)*x).*sin(a(5)*x)','a','x');>> [xx,res]=lsqcurvefit(f,[1,1,1,1,1],x,y); xx',resOptimization terminated successfully: Relative function value changing by less than OPTIONS.TolFunans=0.11970.21250.54040.17021.2300res =7.1637e-007修改最优化选项：>> ff=optimset; ff.TolFun=1e-20; ff.TolX=1e-15; % 修改精度限制>> [xx,res]=lsqcurvefit(f,[1,1,1,1,1],x,y,[],[],ff); xx',res Optimization terminated successfully:Relative function value changing by less than OPTIONS.TolFun ans=0.12000.21300.54000.17001.2300res =9.5035e-021•绘制曲线：>> x1=0:0.01:10; y1=f(xx,x1); plot(x1,y1,x,y,'o')。