一个拟合CST曲线的程序，用来做翼型优化使用（也可以用到其它曲线拟合上）。 首先读入一个翼型数据，反求这个翼型的6*2个控制参数。通过这修改这个12个控制参数（其中的任意几个），来达到生成新的翼型的目的。(使用了NASA0714翼型作为例子 )

matlab绘图的形状代码增材制造的Koch实施 程序文件已完全包含，并已实现以用于测试用例场景中的验证。 该文档应提及用户可用来访问该程序的好处的方法，从而可以根据自己的意愿以任意形状制作G代码。 遵循的步骤： 所有文件都应存在于同一文件夹中，并且必须这样选择目标文件夹，以便MATLAB可以访问该文件夹以进行文件生成和操作。 运行“ main.m”文件（这是GUI文件，将包含所有其他段中都存在的连接文件） 从生成的GUI中，选择您当前所需的功能。 在开始绘制之前，用户必须初始化程序，以便程序刷新其内存，因此可以用于其他目的。 在这里，分形曲线已经实现，用于生成操作的GCode。 （由于逻辑文件繁重，该程序需要一些时间才能与生成的图形完全融合，因此要求用户等待约40至50秒） 选择所需的操作（该程序的铣削代码和3D打印代码具有不同的基础）-（这将生成要运行的G代码的文件） 如果用户希望以其他方式实现，则程序可以选择以excel文件的形式导出数据点，因此生成的文件可以被任何“ * .xls”读取文件访问。 外部软件： 本程序不使用任何形式的外部软件来实施。 但是，为了进行迭代并重新检查生

Qt间接平差法进行直线拟合（Eigen运算、Qcustomplot绘图）实现代码

栽培圈算法matlab代码外圆内圆拟合 Matlab 脚本 可以说是使用最小化将小圆圈放入外圆内的最佳方法。 这是个人的挑战。 希望对发烧友有所帮助。 使用的 Matlab 版本是 R2017b。 打开/关闭“plot_flag”以查看物理动画。 关闭“plot_flag”以提高速度。 打开“final_plot_flag”以便只看到处于最终位置的圆圈。 示例图像： 我接受改进的反馈。 注意：在代码中，蓝色圆圈被称为点（即 pts） 谢谢！

FitChiTool 为 fitChiSquare 函数提供了一个类似于曲线拟合工具箱的接口。 这允许您在线性或非线性模型上已知测量误差时使用卡方执行拟合。 它允许您对多个独立（多于一个 x）变量执行拟合。 如果测量误差未知，则执行非线性最小二乘拟合（卡方等于 1）。 要开始使用 FitChiTool，请运行包含的 HTML 文档中的教程（或运行 FitChiToolExample）。

这是一组脚本，有助于处理NMR pH滴定数据。 这些脚本允许拟合（使用R）和绘制多个残基的数据。 该程序需要变得更加用户友好。

哈尔滨工业大学2020秋季学期机器学习课程，实验一多项式拟合正弦函数，代码及报告，在Github有开源：https://github.com/BeiyanLuansheng/MachineLearning/tree/master/Lab1-polynomial%20fitting

matlab中的工具包。下载后将解压后的文件夹拷贝到matlab安装目录的toolbox文件夹下。打开matlab程序的“设置路径”，将该工具包文件夹所在路径添加到matlab中，使用“添加并包含子文件夹”选项，最后保存即可使用该工具包。

稳健的回归和离群值检测 使用贝叶斯迭代将已知模型稳固地拟合到数据。 这两个实现使用 兰萨克 M估计 健壮的部分实现了，而功能却没有实现。 模型拟合是从scipy.minimize借用的。 随意使用其他模型拟合方法。 要求 numpy是robust_lsq.py的唯一先决条件。 robust_lsq.py需要最小二乘拟合函数（或其他拟合函数），例如scipy.optimize.minimize 。 请参阅示例models.py 。 robust_lsq.py 麻木 models.py 科学的 麻木 test.py 科学的 麻木 matplotlib 设置 请运行test.py以获取使用贝叶斯估计将直线稳固地拟合到数据的示例。 它是如何工作的？ 关键思想是确定最适合模型的样本。 使用贝叶斯更新。 贝叶斯规则由下式给出： P（数据/模型）= P（模型/数据）* P（数据）/ p（模型）

This is the "Active contours driven by local and global intensity fitting energy with application to brain MR image segmentation" (referred to as LGIF model) of the MATLAB source code. LGIF model is very important to local area active contour model, which combines the CV model and the merits of LBF model.