CH3插值法与最小二乘法—3.pptVIP

华长生制作 函数类的基底取正交多项式 , 取 3)计算 gn(x) 则 拟合函数为: 因此拟合多项式为： 平方误差为: 正交多项式法求解最小二乘问题的优点: 不用解方程组, 只用递推公式, 避开了法方程组的系数矩阵的病态问题. 回顾 数据拟合法是函数逼近的另一种方法.它与插值法不同，它不要求曲线完全通过所有已知的节点，而是从给出的一大堆数据中找出规律，设法构造一条曲线反映数据点的总的趋势，从总偏差最小的角度来取近似曲线. 最小二乘法： 求函数 s*(x) 的方法为数据拟合的最小二乘法,简称最小二乘法. 称按上条件 法方程组法： 1. 描点； 2. 选择基底，构造拟合函数； 3. 建立法方程组； 4. 解法方程组，求出最小二乘解. 正交多项式法： 的顺序 1. 描点； 2. 确定拟合多项式的次数； 3. 穿插求解最小二乘解 按照求 最小二乘的两种求解方法 非线性最小二乘问题 当用非多项式函数 (例如: 指数函数类 或幂函数类 等) 拟合给定的一组数据时, 拟合函数是关于待定参数的非线性函数. 若按最小二乘准则: 用极值原理建立的法方程组将是关于待定参数的非线性方程组.称这类数据拟合问题为非线性最小二乘拟合. 简单的非线性最小二乘拟合问题求解方法: 转化为线性最小二乘问题求解. 例4 给定一组实验数据如下： 91.4 7.9 72.3 6.8 41.9 5.4 28.1 4.3 11.5 2.8 2.1 1.2 求最小二乘拟合函数. 解： 2）根据散点分布情况取幂函数 由题意知： 构造平方误差函数： 求 使 1）在坐标平面上描点(图参见教材P118) 作拟合函数. 其中：a, b为待定参数. 由极值的必要条件： 3）转化为线性问题求解 对 两边取对数有： 令 其中：b, c 是待定系数 (1) (2) 则有： 1.9609 0.8976 1.8591 0.8325 1.6222 0.7324 1.4487 0.6335 1.0607 0.4472 0.3222 0.0792 4）建立法方程组： 基底： 由 可得相应 的数据表: 故法方程组为： 解上述方程组得： 再由(1)式可得： 最小二乘拟合函数为： * 第三章 插值法与 最小二乘法 张红梅 自动化学院 2010年3月 3.7 数据拟合的最小二乘法 本节主要内容 最小二乘法的基本概念 法方程组 利用正交多项式作最小二乘拟合 1786年(9岁),发现1到100自然数之和是5050； 1795年,进入哥廷根大学,发明最小二乘法； 1796年,仅用尺规作出正17边形； 1879年(22岁),证明代数学基本定理,获博士学位； 1801年(24岁),出版《算术研究》,精确计算谷神星(最大的小行星)的轨迹； 1816年左右发现了欧氏几何的原理； 1828年出版《关于曲面的一般研究》,系统地阐述了空间曲面的微分几何学； 1833年,和韦伯共同发明了有线电报； … … 最小二乘法发明者——高斯 高斯在数学、天文学、力学、测地学、磁学、光学、水工学和电动学等方面均有杰出贡献. Gauss (1777～1855) 在科学实验中,往往要从一组实验数据 (xi, yi) 中,寻找自变量 x 与因变量 y 之间的函数关系 y = f (x). 在前几次课中, 我们学习了通过利用插值法来实现这个目的. 是函数逼近的另一种方法.不要求曲线完全通过所有已知节点,而是从总偏差最小的角度来取近似曲线.即从大量给定数据中找出规律,并构造一条曲线反映数据点的总趋势,以消除其局部波动.属于全局最优. 用插值法近似某个函数时,一个严重的缺点是:对节点测量值的精度要求高.但由于测量数据中往往带有随机误差, 在利用这些有误差数据构造插值函数,必将不合理的误差带入,影响对未知函数的近似精度.属于局部最优. 插值法的不足： ? 数据拟合法： 实例：考察某种纤维的强度与其拉伸倍数的关系,下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录: §7 数据拟合的最小二乘法 结论:纤维强度随拉伸倍数增加而增加,并且24个点大致分布在一条直线附近，因此可以认为强度 S 与拉伸倍数 t的关系近似满足线性关系。 根据上述实例图中测试点的分布情况,可以画出很多条靠近这些点的直线,其方程都可表示为： 7-1 最小二乘法的基本概念 (1) (2) 其中: a, b 待定.要从形如(1)式的所有直线中,找出一条用某种度量标准来衡量最靠