让移动最小二乘法拟合的曲线通过给定的点，写成matlab、

移动最小二乘法（Moving Least Squares, 简称 MLS）是一种基于局部权重函数的曲面重建方法，它可以通过给定的点云数据，拟合出一个平滑的曲面。下面是用 MATLAB 实现 MLS 拟合曲面的示例代码：

% 生成测试数据
x = linspace(-1, 1, 100);
y = linspace(-1, 1, 100);
[X, Y] = meshgrid(x, y);
Z = sin(X.*Y);

% 添加高斯噪声
noise = 0.1 * randn(size(Z));
Z = Z + noise;

% 设置 MLS 参数
radius = 0.2; % 半径
degree = 1; % 多项式次数

% 构造权重函数
weight = @(r) (1 - r.^3).^3; % 高斯函数

% 计算 MLS 拟合曲面
[Xq, Yq] = meshgrid(linspace(-1, 1, 50));
Zq = zeros(size(Xq));
for i = 1:numel(Xq)
    % 计算每个查询点的权重
    d = sqrt((X(:)-Xq(i)).^2 + (Y(:)-Yq(i)).^2);
    w = weight(d / radius);
    w = w / sum(w);
    
    % 构造多项式
    p = ones(size(X(:)));
    for j = 1:degree
        for k = 0:j
            p = [p, (X(:).^k).*(Y(:).^(j-k))];
        end
    end
    
    % 计算系数
    c = p' * diag(w) * p \ (p' * diag(w) * Z(:));
    
    % 计算查询点的值
    p_q = ones(size(w));
    for j = 1:degree
        for k = 0:j
            p_q = [p_q, (Xq(i).^k).*(Yq(i).^(j-k))];
        end
    end
    Zq(i) = p_q * c;
end

% 绘制结果
figure;
subplot(1, 2, 1);
surf(X, Y, Z);
title('原始数据');
subplot(1, 2, 2);
surf(Xq, Yq, Zq);
title('MLS 拟合曲面');

这段代码首先生成了一个正弦曲面，并添加了高斯噪声。然后通过设置半径和多项式次数，构造了一个权重函数和多项式，对每个查询点进行 MLS 拟合，并最终绘制出了拟合曲面。