使用griddedInterpolant插入一个一维的数据集。

创建一个向量分散的采样点v。点是随机抽样的一维位置0到20之间。

x =排序(20 *兰德(100 1));v = besselj (0, x);

创建一个网格interpolant对象的数据。默认情况下,griddedInterpolant使用“线性”插值方法。

F = griddedInterpolant (x, v)

与属性:F = griddedInterpolant GridVectors: {[100 x1双]}值:[100 x1双]方法:“线性”ExtrapolationMethod:“线性”

查询interpolantF在500 0到20之间均匀间隔的点。情节插值结果(vq xq)原始数据(x, v)。

xq = linspace (0, 20500);vq = F (xq);情节(x, v,“罗”)举行在情节(xq,矢量量化,“。”)传说(采样点的,“插值”)

使用两种方法来指定插入3 d数据查询点。

创建和绘制三维数据集表示的函数 $\mathit{z}\left(\mathit{xgydF4y2Ba},\mathit{ygydF4y2Ba}\right)=\frac{\mathrm{罪}\left({\mathit{xgydF4y2Ba}}^2+{\mathit{ygydF4y2Ba}}^2\right)}{{\mathit{xgydF4y2Ba}}^2+{\mathit{ygydF4y2Ba}}^2}$评估一组网格采样点的距离(5,5)。

(x, y) = ndgrid (5:0.8:5);z = sin (x。^ 2 + y ^ 2) / (x。^ 2 + y ^ 2);冲浪(x, y, z)

创建一个网格interpolant对象的数据。

F = griddedInterpolant (x, y, z);

用细网查询interpolant,提高分辨率。

[xq, yq] = ndgrid (5:0.1:5);vq = F (xq, yq);冲浪(xq yq vq)

在这种情况下,有很多样本点或查询点,和内存使用成为一个问题,你可以使用网格向量提高内存使用。

另外,使用网格向量执行前面的命令。

x = 5:0.8:5;y = x ';z = sin (x。^ 2 + y ^ 2) / (x。^ 2 + y ^ 2);F = griddedInterpolant ({x, y}, z);xq = 5:0.1:5;yq = xq ';vq = F ({xq, yq});冲浪(xq yq vq)

使用默认的网格上执行一个快速插值一组采样点。默认的网格使用unit-spaced点,所以这插值时是有用的xy采样点之间的间距不重要。

创建一个样本函数的矩阵值,并把它们与默认的网格。

x = (1:0.3:5)”;y = x ';V = cos (x) * sin (y);n =长度(x);冲浪(1:n, 1: n V)

使用默认插入数据网格。

F = griddedInterpolant (V)

与属性:F = griddedInterpolant GridVectors: {(1 2 3 4 5 6 7 8 9 10 11 12 13 14] [1 2 3 4 5…]}值:[14 x14双]方法:“线性”ExtrapolationMethod:“线性”

查询interpolant和策划的结果。

[xq, yq] = ndgrid (1:0.2: n);Vq = F (xq, yq);冲浪(xq, yq Vq)

插入粗抽样数据使用一个完整的网格间距的0.5。

定义样本点为一个网格,具有范围(1,10)在这两个维度。

(X, Y) = ndgrid (1:10, 1:10);

样本 $$f(\mathrm{xgydF4y2Ba},\mathrm{ygydF4y2Ba})={\mathrm{xgydF4y2Ba}}^2+{\mathrm{ygydF4y2Ba}}^2$$在网格点。

V = X。^ 2 + y ^ 2;

创建interpolant,指定立方插值。

V F = griddedInterpolant (X, Y,,“立方”);

定义查询的完整网格点0.5在这些点间距和评估interpolant。然后阴谋的结果。

[Xq, Yq] = ndgrid (1:0.5:10 1:0.5:10);Vq = F (Xq, Yq);网格(Xq Yq Vq);

比较结果的查询interpolant以外的领域F使用“pchip”和“最近的”外推方法。

创建interpolant,指定“pchip”插值方法和“最近的”外推法。

x = (1 2 3 4 5);v = (12 16 31 10 6);F = griddedInterpolant (x, v,“pchip”,“最近的”)

与属性:F = griddedInterpolant GridVectors:{(1 2 3 4 5)}值:[12 16 31 10 6]方法:“pchip”ExtrapolationMethod:“最近”

查询interpolant,包括点的领域之外F。

xq = 0:0.1:6;vq = F (xq);图绘制(x, v,“o”xq矢量量化,“- b”);传奇(“v”,矢量量化的)

查询interpolant再次在同一点,这一次使用pchip外推法。

F。ExtrapolationMethod =“pchip”;图vq = F (xq);情节(x, v,“o”xq矢量量化,“- b”);传奇(“v”,矢量量化的)

使用griddedInterpolant插入三个不同的值在同一查询点。

创建一个网格的采样点 $-\; -\; -\; -\; -\; -5\le \mathit{X}\le 5$和 $-\; -\; -\; -\; -\; -3\le \mathit{Y}\le 3$。

gx = 5;gy =三3;(X, Y) = ndgrid (gx gy);

评估三种不同功能查询点,然后连接成一个三维数组的值。的大小V是一样的吗X和Y网格在第一两个维度,但额外维度的大小反映了与每个样本点关联值的数量(在这种情况下,三个)。

f1 = X。^ 2 + y ^ 2;f2 = X。^ 3 + y ^ 3;f3 = X。^ 4 + y ^ 4;V =猫(3,f1, f2, f3);

创建一个interpolant使用采样点和相关联的值。

F = griddedInterpolant (X, Y, V);

创建一个网格查询点细孔网规模相对于采样点。

qx = 5:0.4:5;qy = 3:0.4:3;[XQ, YQ] = ndgrid (qx、qy);

插入所有三组值的查询点。

VQ = F (XQ, YQ);

比较原始数据的插值结果。

tiledlayout (2) nexttile冲浪(X, Y, f1)标题(“f1”)nexttile冲浪(XQ, YQ VQ(:,: 1)标题(“窜改f1”)nexttile冲浪(X, Y, f2)标题(“f2”)nexttile冲浪(XQ, YQ VQ(:,: 2)标题(“窜改f2”)nexttile冲浪(X, Y, f3)标题(‘f3’)nexttile冲浪(XQ, YQ VQ(:,:, 3)标题(“窜改f3”)