griddatan
Интерполяция N-D данного , имеющего разброса
Описание
Примеры
Подбор гиперсерфейса
Интерполируйте набор 4-D данного , имеющего разброса и визуализируйте 3-D изоповерхности интерполированных данных.
Создайте рассеянный набор точек выборки.
rng('default')
X = 2*rand([5000 3])-1;
Y = sum(X.^2,2);Создайте сетки x, y и z для использования в качестве 3-D набора точек запроса и интерполируйте данные , имеющие разбросы в этих точках.
d = -0.8:0.05:0.8; [y0,x0,z0] = ndgrid(d,d,d); XI = [x0(:) y0(:) z0(:)]; YI = griddatan(X,Y,XI);
Поскольку трудно визуализировать 4-D наборов данных, используйте изоповерхность на 0,8, чтобы визуализировать результат интерполяции.
YI = reshape(YI, size(x0)); p = patch(isosurface(x0,y0,z0,YI,0.8)); isonormals(x0,y0,z0,YI,p) p.FaceColor = 'blue'; p.EdgeColor = 'none'; view(3) axis equal camlight lighting phong
Интерполяция по ближайшему соседу
Используйте интерполяцию по ближайшему соседу на 3-D наборе данных.
Создайте выборку 3-D набора данных. Матрица X содержит xyz местоположения наблюдаемых данных и v содержит (случайным образом сгенерированные) наблюдаемые данные. Этот тип набора данных мог бы представлять, для примера, уровень кислорода в океанской воде в этих местах.
X = [rand(100,1) rand(100,1) rand(100,1)]; v = rand(100,1);
Используйте интерполяцию по ближайшему соседу, чтобы аппроксимировать значение базовой функции в некоторых точках запроса.
[xx,yy,zz] = meshgrid(0.2:0.025:0.8);
xq = [xx(:) yy(:) zz(:)];
vq = griddatan(X,v,xq,'nearest');Постройте срезы результатов в верхней части местоположений точек выборки.
vq = reshape(vq,size(xx)); plot3(X(:,1),X(:,2),X(:,3),'r*') hold on slice(xx,yy,zz,vq,[0.2 0.4 0.6 0.8],0.5,0.5)
Входные параметры
Выходные аргументы
Совет
Использовать нецелесообразно
griddatanдля интерполяции в размерностях, превышающих примерно 6-D, потому что память, требуемая базовой триангуляцией, растет экспоненциально с количеством размерностей.Данный , имеющий разброс с
griddatanиспользует Триангуляцию Делоне данных, поэтому может быть чувствительным к проблемам масштабирования вx. Когда это происходит, вы можете использоватьnormalizeдля пересмотра данных и улучшения результатов. Для получения дополнительной информации см. раздел «Нормализация данных с различными Величинами».