Matlab优化工具箱简介(汪建华).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 5.4 曲线拟合与插值 在大量的应用领域中，人们经常面临用一个解析函数描述数据(通常是测量值)的任务.对这个问题有两种方法. 插值： 在插值法里，数据假定是正确的，要求以某种方法描述数据点之间所发生的情况. 曲线拟合：曲线拟合或回归是人们设法找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点. 标有‘o’的是数据点；连接数据点的实线描绘了线性内插，虚线是数据的最佳拟合. 曲线拟合的两个基本问题： 1.最佳拟合意味着什么？ 2.应该用什么样的曲线？ 可用许多不同的方法定义最佳拟合，并存在无穷数目的曲线. 当最佳拟合被解释为在数据点的最小误差平方和，且所用的曲线限定为多项式时，那么曲线拟合是相当简捷的.数学上，称为多项式的最小二乘曲线拟合. 1 Matlab 曲线拟合 虚线和标志的数据点之间的垂直距离是在该点的误差.对各数据点距离求平方，并把平方距离全加起来，就是误差平方和.这条虚线是使误差平方和尽可能小的曲线，即是最佳拟合.最小二乘这个术语仅仅是使误差平方和最小的省略说法. Matlab 曲线拟合和插值命令 曲 线 拟 合 和 插 值 函 数 polyfit(