Модель Gaussian соответствует peaks и дана
где a является амплитудой, b является центроидом (местоположение), c связан с пиковой шириной, n является количеством peaks, чтобы соответствовать, и 1 ≤ n ≤ 8.
С гауссовым peaks сталкиваются во многих областях науки и разработки. Например, Гауссов peaks может описать спектры эмиссии строки и химическое испытание концентрации.
Откройте приложение Curve Fitting путем ввода cftool
. Также нажмите Curve Fitting на вкладке Apps.
В приложении Curve Fitting выберите данные о кривой (X data и Y data, или только Y data против индекса).
Приложение Curve Fitting создает подгонку кривой по умолчанию, Polynomial
.
Измените тип модели от Polynomial
до Gaussian
.
Можно задать следующие опции:
Выберите количество условий: 1
к 8
.
Посмотрите в панели Results, чтобы видеть образцовые условия, значения коэффициентов и статистику качества подгонки.
(Необязательно) Нажмите Fit Options, чтобы задать содействующие начальные значения и ограничительные границы, или изменить настройки алгоритма.
Тулбокс вычисляет оптимизированные стартовые точки для моделей Gaussian, на основе текущего набора данных. Можно заменить стартовые точки и задать собственные значения в Подходящем Окне параметров.
Gaussians имеют параметр ширины c1
, ограниченный с нижней границей 0
. Нижними границами по умолчанию для большинства моделей библиотеки является -Inf
, который указывает, что коэффициенты неограничены.
Для получения дополнительной информации о настройках см. Опции Подгонки Определения и Оптимизированные Отправные точки.
Этот пример показывает, как использовать функцию fit
, чтобы соответствовать модели Gaussian к данным.
Модель библиотеки Gaussian является входным параметром к функциям fittype
и fit
. Задайте тип модели gauss
, сопровождаемый количеством условий, например, 'gauss1'
через 'gauss8'
.
Соответствуйте 2D термину гауссова модель
Загрузите некоторые данные и соответствуйте модели Gaussian 2D термина.
[x,y] = titanium;
f = fit(x.',y.','gauss2')
f = General model Gauss2: f(x) = a1*exp(-((x-b1)/c1)^2) + a2*exp(-((x-b2)/c2)^2) Coefficients (with 95% confidence bounds): a1 = 1.47 (1.426, 1.515) b1 = 897.7 (897, 898.3) c1 = 27.08 (26.08, 28.08) a2 = 0.6994 (0.6821, 0.7167) b2 = 810.8 (790, 831.7) c2 = 592.9 (500.1, 685.7)
plot(f,x,y)
fit
| fitoptions
| fittype