曲线拟合的最小二乘法资料.pptVIP

jkhh Confidential, for review only 3.1 问题的提出 函数解析式未知,通过实验观测得到的一组数据, 即在某个区间[a, b]上给出一系列点的函数值 yi= f(xi) 一般曲线拟合的 最小二乘法的求法 ym …… y2 y1 y xm …… x2 x1 x 第三章 曲线拟合的最小二乘法 3.2. 曲线拟合的最小二乘法 数据含有误差。节点上的函数值是由实验或观测得到的数据，不可避免地带有测量误差，如果要求所得的近似函数曲线精确无误地通过所有的点(xi,yi),就会使曲线保留着一切测试误差。当个别数据的误差较大时,插值效果显然是不理想的。 数据量很大。由实验或观测提供的数据个数往往很多,如果用插值法,势必得到次数较高的插值多项式，这样是不可行的。 为此,我们希望从给定的数据(xi,yi)出发,构造一个近似函数 ,不要求函数 完全通过所有的数据点，只要求所得的近似曲线能反映数据的基本趋势，如图3.1所示。 图3.1 曲线拟合示意图 曲线拟合:求一条曲线,使数据点均在离此曲线的上方或下方不远处,所求的曲线称为拟合曲线,它既能反映数据的总体分布,又不至于出现局部较大的波动,更能反映被逼近函数的特性,使求得的逼近函数与已知函数从总体上来说其偏差按某种方法度量达到最小。 与函数插值问题不同,曲线拟合不要求曲线通过所有已知