第11讲拟合(免费阅读).pptVIP

中值定理与导数的应用 第十一讲 拟合 一、拟合问题基本理论 二、用MATLAB解拟合问题 三、MATLAB解应用问题实例 四、作 业 目录 上页 下页 返回 结束 第十一讲 拟合 * 数学软件 一、拟合问题基本理论 二、用Matlab求解拟合问题 三、MATLAB解应用问题实例 四、小结及习题 拟 合 问 题 引 例 1 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求600C时的电阻R。 设 R=at+b a,b为待定系数 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 拟合与插值的关系 说明： 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上完全不同。 实例：下面数据是某次实验所得，希望得到x和 f之间的关系？ MATLAB(cn) 问题：给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： 若不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势，就是数据拟合，又称曲线拟合或曲面拟合。 若要求所求曲线（面）通过所给所有数据点，就是插值问题； 最邻近插值、线性插值、样条插值与曲线拟合结果： 曲线拟合问题最常用的解法——线性最小二乘法的基本思路 第一步:先选定一组函数 r1(x), r2(x), …rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 。 记 问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。 线性最小二乘法的求解：预备知识 超定方程组：方程个数大于未知量个数的方程组 即 Ra=y 其中 超定方程一般是不存在解的矛盾方程组。 如果有向量a使得 达到最小， 则称a为上述超定方程的最小二乘解。 线性最小二乘法的求解 定理：当RTR可逆时，超定方程组（3）存在最小二乘解， 且即为方程组 RTRa=RTy ------正则（正规）方程组 的解：a=(RTR)-1RTy 所以，曲线拟合的最小二乘法要解决的问题，实际上就是求以下超定方程组的最小二乘解的问题。 其中 Ra=y （3） 线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 1. 通过机理分析建立数学模型来确定 f(x)； + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + f=a1+a2x f=a1+a2x+a3x2 f=a1+a2x+a3x2 f=a1+a2/x f=aebx f=ae-bx 2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f(x)： 用MATLAB作线性最小二乘拟合 1. 作多项式f(x)=a1xm+ …+amx+am+1拟合,可利用已有程序: a=polyfit(x,y,m) 2.对超定方程组 可得最小二乘意义下的解。 ，用 3.多项式在x处的值y的计算命令：y=polyval（a，x） 输出拟合多项式系数 a=[a1,…,am,am+1]’ （数组） 输入同长度 数组X，Y 拟合多项式次数 即要求 出二次多项式: 中 的 使得: 例 对下面一组数据作二次多项式拟合 1）输入命令： x=0:0.1:1; y=[-0.447,1.978,3.28,6.16,7.08,7.34,7.66,9.56,9.48,9.30,11.2]; R=[(x.^2), x, ones(11,1)]； A=R\y MATLAB(zxec