对不同震级的数据进行归一化
这个例子说明了如何使用归一化来改善离散数据插值的结果griddata。在某些情况下，归一化可以改善插值结果，但在其他情况下，它会影响解的精度。是否使用归一化是根据被插值数据的性质做出的判断。
好处:标准化你的数据可以潜在地提高当自变量有不同的单位和显着不同的尺度插值结果。在这种情况下，缩放输入具有类似的量值可以提高插值的数值方面。其中归一化是有益的一个示例是如果
x表示发动机转速，单位为rpm从500到3500，和y表示从0到1的发动机负载。的尺度x和y有几个数量级的不同，它们有不同的单位。注意事项：如果自变量的单位相同，即使变量的尺度不同，规格化数据时也要小心。在相同单位的数据下，归一化会增加方向偏差，从而使解决方案失真，影响底层的三角测量，最终影响插值的精度。规范化是错误的一个例子是如果两者都是
x和y表示位置并以米为单位。扩展x和y由于正东10米与正北10米在空间上应该是一样的，所以不建议使用不均度。
创建一些示例数据，其中值y是几个数量级比那些在x。假设x和y有不同的单位。
x =兰德(1500)/ 100;y = 2。* (rand(1500) -0.5)。* 90;z = (x) * 1 e2) ^ 2;
使用示例数据构建一个查询点网格。在网格中插入样本数据并绘制结果。
X = linspace (min (X)、马克斯(X), 25);Y = linspace (min (Y), max (Y), 25);[xq, yq] = meshgrid(X,Y);zq = griddata (x, y, z, xq yq);plot3 (x, y, z,“莫”)举行上目（XQ，YQ，ZQ）xlabel（“x”）ylabel（“y”)举行从
产生的结果griddata不是很光滑，似乎是嘈杂的。自变量的不同尺度导致了这一点，因为一个变量大小的小变化可能导致另一个变量大小的大得多的变化。
以来x和y有不同的单位，正常化他们，使他们有相似的震级应该有助于产生更好的结果。标准化样本点使用z-分数和重新生成插值使用griddata。
标准化样本点x =正常化(x);y =正常化(y);%重新生成网格X = linspace (min (X)、马克斯(X), 25);Y = linspace (min (Y), max (Y), 25);[xq, yq] = meshgrid(X,Y);插值和绘图zq = griddata (x, y, z, xq yq);plot3 (x, y, z,“莫”)举行上网格(xq, yq zq)
在这种情况下，可以对样本点进行归一化griddata计算一个更平滑的解。
另请参阅
您也可以从以下列表中选择一个网站:
