如何优化WordPress旅游网站的后台功能以吸引游客？
摘要：网站后台基本功能,wordpress旅游,动漫设计学院,网站建设的基本概念1.多项式曲线拟合 此示例说明如何使用 polyfit 函数将多项式曲线与一组数据点拟合。您可以按照以下语法，使用polyfit
网站后台基本功能,wordpress旅游,动漫设计学院,网站建设的基本概念1.多项式曲线拟合 此示例说明如何使用 polyfit 函数将多项式曲线与一组数据点拟合。您可以按照以下语法#xff0c;使用 polyfit 求出以最小二乘方式与一组数据拟合的多项式的系数 p polyfit(x,y,n), 其中#xff1a; • x 和 y 是包含数据点的 x 和 y 坐标的向量 …1.多项式曲线拟合 此示例说明如何使用 polyfit 函数将多项式曲线与一组数据点拟合。您可以按照以下语法使用 polyfit 求出以最小二乘方式与一组数据拟合的多项式的系数 p polyfit(x,y,n), 其中 • x 和 y 是包含数据点的 x 和 y 坐标的向量 • n 是要拟合的多项式的次数 创建包含五个数据点的 x-y 测试数据。 x [1 2 3 4 5]; y [5.5 43.1 128 290.7 498.4]; 使用 polyfit 求与数据近似拟合的三次多项式。 p polyfit(x,y,3) p 1×4 -0.1917 31.5821 -60.3262 35.3400 使用 polyfit 获取拟合线的多项式后可以使用 polyval 计算可能未包含在原始数据中的其他点处的多项式。在更小域内计算 polyfit 估计值并绘制实际数据值的估计值以进行对比。可以为拟合线包含方程注释。 x2 1:.1:5; y2 polyval(p,x2); plot(x,y, o ,x2,y2) grid on s sprintf( y (%.1f) x^3 (%.1f) x^2 (%.1f) x (%.1f) ,p(1),p(2),p(3),p(4)); text(2,400,s) 1.1 预测美国人口 此示例说明即使使用次数最适中的多项式外插数据也是有风险且不可靠的。此示例比 MATLAB® 出现得更早。该示例最初作为一个练习出现在 Forsythe、Malcolm 和 Moler 合著的《Computer Methods for Mathematical Computations》一书中该书由出版商 Prentice-Hall 在1977 年出版。 现在通过 MATLAB 可以更容易地改变参数和查看结果但基础数学原理未变。使用 1910 年至 2000 年的美国人口普查数据创建并绘制两个向量。 % Time interval t (1910:10:2000); % Population p [91.972 105.711 123.203 131.669 150.697 ... 179.323 203.212 226.505 249.633 281.422]; % Plot plot(t,p, bo ); axis([1910 2020 0 400]); title( Population of the U.S. 1910-2000 ); ylabel( Millions ); 那么猜想一下 2010 年美国的人口是多少 p p 10×1 91.9720 105.7110 123.2030 131.6690 150.6970 179.3230 203.2120 226.5050 249.6330 281.4220 将这些数据与 t 中的一个多项式拟合并使用它将人口数外插到 t 2010。通过对包含范德蒙矩阵的线性系统求解来获得多项式中的系数该矩阵为 11×11其元素为缩放时间的幂即 A(i,j) s(i)^(n-j) 。 n length(t); s (t-1950)/50; A zeros(n); A(:,end) 1; for j n-1:-1:1 A(:,j) s .* A(:,j1); end 通过对包含范德蒙矩阵最后 d1 列的线性系统求解获得与数据 p 拟合的 d 次多项式的系数 c A(:,n-d:n)*c ~ p • 如果 d 10 则方程个数多于未知数个数并且最小二乘解是合适的。 • 如果 d 10 则可以精确求解方程而多项式实际上会对数据进行插值。 在任一种情况下都可以使用反斜杠运算符来求解方程组。三次拟合的系数为 c A(:,n-3:n)\p c 4×1 -5.7042 27.9064 103.1528 155.1017 现在计算从 1910 年到 2010 年每一年的多项式然后绘制结果。 v (1910:2020); x (v-1950)/50; w (2010-1950)/50; y polyval(c,x); z polyval(c,w); hold on plot(v,y, k- ); plot(2010,z, ks ); text(2010,z15,num2str(z)); hold off 将三次拟合与四次拟合进行比较。请注意外插点完全不同。 c A(:,n-4:n)\p; y polyval(c,x); z polyval(c,w); hold on plot(v,y, k- ); plot(2010,z, ks ); text(2010,z-15,num2str(z)); hold off 随着阶数增加外插变得越来越不可靠。 cla plot(t,p, bo ) hold on axis([1910 2020 0 400]) colors hsv(8); labels { data }; for d 1:8 [Q,R] qr(A(:,n-d:n)); R R(1:d1,:); Q Q(:,1:d1); c R\(Q*p); % Same as c A(:,n-d:n)\p; y polyval(c,x); z polyval(c,11); plot(v,y, color ,colors(d,:)); labels{end1} [ degree int2str(d)]; end legend(labels, Location , NorthWest ) hold off 2.标量函数的根 2.1 对一元非线性方程求解 fzero 函数尝试求一个一元方程的根。可以通过用于指定起始区间的单元素起点或双元素向量调用该函数。如果为 fzero 提供起点 x0 fzero 将首先搜索函数更改符号的点周围的区间。如果找到该区间fzero 返回函数更改符号的位置附近的值。如果未找到此类区间 fzero 返回 NaN。或者如果知道函数值的符号不同的两个点可以使用双元素向量指定该起始区间 fzero 保证缩小该区间并返回符号更改处附近的值。 以下部分包含两个示例用于说明如何使用起始区间和起点查找函数的零元素。这些示例使用由MATLAB® 提供的函数 humps.m 。下图显示了 humps 的图。 x -1:.01:2; y humps(x); plot(x,y) xlabel( x ); ylabel( humps(x) ) grid on 2.2 为 fzero 设置选项 可以通过设置选项控制 fzero 函数的多个方面。使用 optimset 设置选项。选项包括 • 选择 fzero 生成的显示量 - 请参阅“设置优化选项” 、使用起始区间和使用起点。 • 选择控制 fzero 如何确定它得到根的不同公差 - 请参阅“设置优化选项” 。 • 选择用于观察 fzero 逼近根的进度的绘图函数 - 请参阅“优化求解器绘制函数” 。 • 使用自定义编程的输出函数观察 fzero 逼近根的进度 - 请参阅“优化求解器输出函数” 。 2.3 使用起始区间 humps 的图指示 x -1 时函数为负数 x 1 时函数为正数。可以通过计算这两点的 humps 进行确认。 humps(1) ans 16 humps(-1) ans -5.1378 因此可以将 [-1 1] 用作 fzero 的起始区间。fzero 的迭代算法可求 [-1 1] 越来越小的子区间。对于每个子区间 humps 在两个端点的符号不同。由于子区间的端点彼此越来越近因此它们收敛到 humps 的零位置。要显示 fzero 在每个迭代过程中的进度请使用 optimset 函数将 Display 选项设置为 iter 。 options optimset( Display , iter ); 然后如下所示调用 fzero a fzero(humps,[-1 1],options) Func-count x f(x) Procedure 2 -1 -5.13779 initial 3 -0.513876 -4.02235 interpolation 4 -0.513876 -4.02235 bisection 5 -0.473635 -3.83767 interpolation 6 -0.115287 0.414441 bisection 7 -0.115287 0.414441 interpolation 8 -0.132562 -0.0226907 interpolation 9 -0.131666 -0.0011492 interpolation 10 -0.131618 1.88371e-07 interpolation 11 -0.131618 -2.7935e-11 interpolation 12 -0.131618 8.88178e-16 interpolation 13 -0.131618 8.88178e-16 interpolation Zero found in the interval [-1, 1] a -0.1316 每个值 x 代表迄今为止最佳的端点。 Procedure 列向您显示每步的算法是使用对分还是插值。可以通过输入以下内容验证 a 中的函数值是否接近零 humps(a) ans 8.8818e-16 2.4 使用起点 假定您不知道 humps 的函数值符号不同的两点。在这种情况下可以选择标量 x0 作为 fzero 的起点。fzero 先搜索函数更改符号的点附近的区间。如果 fzero 找到此类区间它会继续执行上一部分中介绍的算法。如果未找到此类区间 fzero 返回 NaN。 例如将起点设置为 -0.2 将 Display 选项设置为 Iter 并调用 fzero options optimset( Display , iter ); a fzero(humps,-0.2,options) Search for an interval around -0.2 containing a sign change: Func-count a f(a) b f(b) Procedure 1 -0.2 -1.35385 -0.2 -1.35385 initial interval 3 -0.194343 -1.26077 -0.205657 -1.44411 search 5 -0.192 -1.22137 -0.208 -1.4807 search 7 -0.188686 -1.16477 -0.211314 -1.53167 search 9 -0.184 -1.08293 -0.216 -1.60224 search 11 -0.177373 -0.963455 -0.222627 -1.69911 search 13 -0.168 -0.786636 -0.232 -1.83055 search 15 -0.154745 -0.51962 -0.245255 -2.00602 search 17 -0.136 -0.104165 -0.264 -2.23521 search 18 -0.10949 0.572246 -0.264 -2.23521 search Search for a zero in the interval [-0.10949, -0.264]: Func-count x f(x) Procedure 18 -0.10949 0.572246 initial 19 -0.140984 -0.219277 interpolation 20 -0.132259 -0.0154224 interpolation 21 -0.131617 3.40729e-05 interpolation 22 -0.131618 -6.79505e-08 interpolation 23 -0.131618 -2.98428e-13 interpolation 24 -0.131618 8.88178e-16 interpolation 25 -0.131618 8.88178e-16 interpolation Zero found in the interval [-0.10949, -0.264] a -0.1316 每个迭代中当前子区间的端点列在标题 a 和 b 下而端点处的相应 humps 值分别列在 f(a) 和 f(b) 下。 注意端点 a 和 b 未按任何特定顺序列出 a 可能大于 b 或小于 b 。 对于前 9 步humps 的符号在当前子区间的两端点都为负号如输出中所示。在第 10 步 humps 的符号在 a ( -0.10949 ) 处为正号但在 b ( -0.264) 处为负号。从该点开始如上一部分中所述算法继续缩小区间 [-0.10949 -0.264] 直到它达到值 -0.1316 。