函数逼近与FFT-曲线拟合最小二乘法n.pptVIP

本节内容 曲线拟合 曲线拟合 最小二乘 最小二乘求解 最小二乘求解 最小二乘求解 举例 多项式拟合 正交多项式拟合 正交多项式拟合 正交多项式的构造 几点注记 * * 曲线拟合的最小二乘法 曲线拟合 曲线拟合基本概念 最小二乘算法 最小二乘拟合多项式 给出一组离散点，确定一个简单函数近似原函数，多项式插值提供了一种处理手段。 然而，在实际问题中，给出的结点处的离散数据或多或少的都带有误差，插值要求多项式严格通过这些插值结点，无形之中就将这些点处的误差保留下来； 尤其是当结点数目较多时，误差可能累积起来，从而对最终近似效果产生较大影响（这正是高次插值产生Runge现象的一个主要原因）； 此外，即便给出的结点处的离散数据较为精确，但由于插值条件的限制，也导致多项式插值仅仅在处理结点附近的函数值近似问题时较为有效，即插值的局部近似效果好，整体逼近效果差。 这些都促使我们考虑一种函数逼近的新方法——曲线拟合。 能否找到一个简单易算的 p(x) ，使得 f(x) ? p(x) 已知 f(x) 在某些点的函数值： ym xm y1 x1 … y0 f(x) … x0 x 但是 m 通常很大 yi 本身是测量值，不准确，即 yi ? f (xi) 这时不要求 p(xi) = yi , 而只要 p(xi) ? yi 总体上尽可能小 使