4_曲线拟合的最小二乘法.pptVIP

YFNie@nwpu.edu.cn 第三章 函数逼近 赋范空间 内积空间 正交多项式的性质 常用正交多项式 最佳平方逼近问题 曲线拟合的最小二乘法 6 曲线拟合的最小二乘法 背景： 离散数据的特点 数据不准确 数据多,甚至是是大量的 数据采样一般基本上反映函数的基本性态 离散数据建模方法 插值法：经过离散点，高次插值不可靠，分段插值不够光滑 曲线拟合：曲线符合离散点分布的基本轮廓，或符合某理论规律，不要求曲线精确通过每一离散点。 6.1 曲线拟合的过程 造型：通过作图分析或直接依据物理规律选取合适的曲线类型，即拟合模型： （拟合过程续） 选择最好的曲线 依据某种标准选择一条“最好”的简单曲线作为离散数据 的连续模型。 标准：拟合残差向量r的某种范数最小. 残差向量 r=(r0,r1,…,rm)T=r(c0,c1,…,cn) 第j个节点的残差 范数：正数ωj是第j个采样点处的权。 切比雪夫意义下的曲线拟合 最小二乘意义下的曲线拟合 （拟合过程续） 总结 切比雪夫意义下的曲线拟合模型 最小二乘意义下的曲线拟合模型 确定函数类?的一种方法：多项式（简单，Weierstrass Th. Page 89，可行，不是最有效的) 6.2 最小二乘法拟合模型的求解 问题的矩阵形式表述 法方程组 平方误差 法方程组系数矩阵（Gram矩