Matlab-尝试各种高斯拟合的起点，选择一个具有最高rsquare的起点，然后进行绘图

我正在批量处理1000个数据。有时，峰值位置和大小会发生剧烈变化，程序很难用一个起点值找到这些峰值。我必须将数据分成更小的批来更改起始点值，这非常耗时

是否可以尝试不同的起点值并选择具有最佳rsquare的起点值

ft = fittype('y0 + a*exp(-((x-xa)/(wa))^2), 'independent', 'x', 'dependent', 'y' );
opts = fitoptions( 'Method', 'NonlinearLeastSquares' );
opts.Display = 'Off';

opts.StartPoint = [10 10 10 0]; % this is a, wa, xa and y0 - from the equation

[fitresult, gof] = fit(xData, yData, ft, opts);

alpha = gof.rsquare; % extract goodness of fit

if alpha < 0.98 % if rsquare (goodness of fit) is not good enough
    
for x = 100:10:500; y= 10:1:50 %these numbers are not set in stone - can be any number
    
opts.StartPoint = [10+x 10 10+y 0]; % tweak the start point values for the fit

[fitresult, gof] = fit(xData, yData, ft, opts); % fit again

---

如果它们在猜测上有困难，我建议使用一种不同的方法，这种方法不需要迭代，也不需要猜测参数的值来开始数值演算

由于我没有您的问题的代表性数据，我无法检查以下建议的方法是否适合您的情况。这取决于数据的分散性和点的分布

试试看。如果结果不正确，请告诉我

下面是一个数据高度分散的数值例子。通过本例，您可以检查该方法是否正确实现

注：该方法可用于获得一些参数的近似值，这些值可在通常的非线性回归软件中作为“猜测”值

仅供参考：该方法是一个线性回归wrt积分方程，高斯函数为其解：

---

关于一般原则，请参见：

如果我没有弄错的话，您正在描述盆地跳跃方法。我认为，对于像高斯函数这样健壮的函数，你不需要这样的函数，尽管你可以查阅Jean Jacquelin的工作，找到一些不需要迭代就能获得真正精确的初始参数的好方法。@Mad物理学家谢谢你的建议，我将阅读建议的参考文献。我正在批量处理1000个数据。有时，峰值的位置和大小会发生剧烈变化，程序很难找到具有单个起点值的峰值。我必须将数据分成更小的批来更改起始点值，这很耗时。你需要一个好的猜测方法。我已经开始研究一个叫做scikit guess的东西，你可能会发现它作为参考很有用。

% plot
f = figure('Name', 'Gauss','Pointer','crosshair');
h = plot(fitresult, xData, yData, '-o');