直線擬合演算法

Ⅰ matlab ransac 怎麼用

1.假設我們要將n個數據點X={x1,x1,...,xn}擬合為一個由至少m個點決定的模型（m<=n，對於直線，m=2）。（我這里實際是兩個不同均值、協方差高斯分布產生的數據）
2.設迭代計數k=1。
3.從X中隨機選取m個項並擬合一個模型。（我這里直線擬合，選了2個項）
4.給定偏差ε，計算X中相對於模型的殘差在偏差ε的個數，如果元素個數大於一個閾值t，根據一致點集重新擬合模型（可以利用最小二乘或其變種），演算法終止。（我這里的偏差為1，閾值為數據個數的2/3）
5.設k=k+1，如果k小於一個事先給定的K，跳至第3步，否則採用具有迄今最大的一致點集模型，或演算法失敗。
運行效果如下，紅圈是所有的數據，藍叉是符合擬合模型的數據。

Ⅱ 給出一組數字,求公式演算法

從A的x到B的x，方程是y=1.3625x-127.8

我用matlab描點畫圖得到一條幾乎筆直的線
然後進行1次擬合，代碼如下
x=[400,440,480,520,560];
y=[416,473,526,582,634];
plot(x,y,'o')
a=polyfit(x,y,1)
a
擬合結果：
a = 1.3625 -127.8000

所以就是這樣的。既然樓主說近似，絕對沒錯咯！呵呵