1、多项式拟合：一般多项式录搠糅类拟合的目标是找出一组多项式系数α 下标i，i=1,2,3.....,n+1.使多项式能够较好地拟合原始数据。多项式拟合并不能保证每个样本点都在拟合的曲线上，但能使整体的拟合误差较小。多项式拟合可以通过MATLAB提供的polyfit函数实现，该函数的调用格式如下:p=polyfit(x,y,n)：对x和y进行n维多项式的最小二乘拟合，输出结果p为含有n+1个元素的行向量，该向量以维数递减的形式给出拟合多项式系数。[p,S]=polyfit(x,y,n)：输出结果中的S包括R、df和normr，分别表示对x进行OR分解三角元素、自由度、残差[p,S,mu]=polyfit(x,y,n)：在拟合过程中，首先对x进行数据标准化处理，以在拟合中消除量纲等的影响，mu包含两个元素，分别是标准化处理过程中使用的x的均值和标准差
2、非线性最小二乘拟合：假设有一组数据x小标i，y小标i，i=1,2,....N,且已知这组数据满足某一函数原型，则最小二乘曲线拟合的目标就是求出这一组待定系数的值，使得目标函数最小。在MATLAB的最优化工具箱中提供了lsqcurvefit函数可以解决最小二乘曲线拟合的问题，该函数的调用格式为:[a,Jm]=lsqcurvefit(Fun,a0,x,y)其中,Fun为原型函数的MATLAB表示，可以是M-函数或inline函数;a0为最优化的初值:x、y为原始输入输出数据向量。调用该函数则将返回待定系数向量a以及在此待定系数下的目标函数的值Jm.
