曲线拟合讲稿试卷.pptVIP

曲线拟合 插值与拟合的相同点 都需要根据已知数据构造函数。 可使用得到函数计算未知点的函数值。 插值与拟合的不同点 插值: 过点; (适合精确数据) 拟合: 不过点, 整体近似;(适合有经验公式或有误差的数据) 对实验数据进行拟合时，函数形式通常已知，仅需要拟合参数值。 曲线拟合问题的提法 拟合的标准 （1）用各点误差绝对值的和表示 （2）用各点误差按绝对值的最大值表示 （3）用各点误差的平方和表示 最小二乘拟合 式中 R2 称为均方误差。由于计算均方误差的最小值的原则容易实现而被广泛采用。 按均方误差达到极小构造拟合曲线的方法称为最小二乘法。 拟合与回归的比较 回归是关于离回归平方和最小（即最小二乘法）作为目标函数的模型系数求算方法。 而拟合可能有其他的目标函数如绝对差值之和最小等目标函数。 但绝大多数也是以离回归平方和最小为目标函数，此时两者没有任何差别，只是提法上的不同。 线性最小二乘法的基本思路 线性最小二乘法的基本思路 线性最小二乘法的基本思路 用MATLAB作拟合 Matlab有一个功能强大的曲线拟合工具箱 （Curve Fitting Toolbox ） cftool， 使用方便，能实现多种类型的线性、非线性曲线拟合。 调用语法 cftool cftool(xdata,ydata) 界面如下所示 “Data”按钮 点击“Data”按钮，弹出“Data”窗