毕业论文数据拟合曲线

使用最小二乘法。具体可以参考数学分析。或者高等数学下册（多元函数微分与二重积分之间的一个章节）（同济四版）

第一 先了解曲线拟合的原理；第二 下载讲解matlab曲线拟合线性拟合、非线性拟合的各种函数，对其各种函数有大致的了解；第三 看些具体的实例，matlab不难，都是封装好的函数，直接调用就好。函数里的参数设置根据自己的要求进行设置即可；

我觉得关键在于曲线拟合过程，传感器老化之后，输入和输出曲线会产生变化，有的输入和输出关系变得不稳定，比如输入为300摄氏度的时候输出电压的值变化较大且不能稳定在某个特定的值域，这些温度就不能再被测量了，其次，因为传感器老化之后，曲线会发生相应的变化，有时候明明是200摄氏度，传感器却显示的是250摄氏度，这时候就需要曲线的重新拟合，比如原先未老化的传感器在显示温度数值时只需要将输出的电压值乘上，新的拟合曲线却要求乘上，而且得出结果之后还要加上，才能接近真实的数值

最常用的一个任意函数最小二乘拟合方法：% Assume you determined xdata and ydata experimentally输入需要拟合的数据xdata = [ ];ydata = [ ];x0 = [10, 10, 10] % Starting guess初始值（影响收敛效果）[x,resnorm] = lsqcurvefit(@myfun,x0,xdata,ydata)在该文件夹下，新建一个函数，保存该文件名称： F = myfun(x,xdata)F = x(1)*xdata.^2 + x(2)*sin(xdata) + x(3)*xdata.^3;最后在主程序里面计算，得到最小二乘拟合值x=[x(1) x(2) x(3)];以及残差resnorm 在matlab数学手册第二章里面就有相关的介绍。你可以看看这个，很全面。

用回归做吧，spss非常容易，但要检验，书里有很多介绍，但为什么非要变成y=axsinbx*e^x*？？？既然知道函数是什么样了，还拟合什么啊