毕业生外文翻译.doc

附件1：外文资料翻译译文 基于径向基函数的大散乱数据拟合 冯仁钟，徐亮 (冯仁钟, 中国北京100083，北京航空航天大学，数学系；徐亮，教育部，信息学和行为语义，数学重点实验室） 摘要 运用非定制的方法解决大的径向基函数（RBF）的插值问题，不仅计算量很大，而且出现的矩阵通常是严重的受条件限制的。 为了避免这些困难，我们提出了基于径向基函数通过最小二乘法满足侧条件的拟合函数，虽然与插值方法比较失去了一些精确度，但它在很大程度上降低了计算成本。由于拟合精度和正规方程的系数矩阵的非奇异性与拟合RBF的选择中心的均匀性是相关的，我们提出了中心一致的选择方法。数值结果证实了拟合效率。 关键词：散乱数据 径向基函数插值 拟合最小二乘法 均匀中心 1 引言 在过去的三十年中,径向基函数（RBFs）已经成为一个对于分散和网格化数据的多元插值的非常完善的工具。看到一些调查：RBFs的应用包括地形，地貌，水文勘察测绘，地球物理和地质（见应用的调查）。更多最近的应用包括图像变形和医疗成像。在各种应用中的经验显示，RBFs是特别适合于散乱数据插值问题。 一个径向基函数RBF，s是形式的函数。 (1) 这里是的成员，第m个多项式在d变量的空间，是系数，是径向基函数RBF成对不同的中心。被称作基函数，表示2-范数。基函数的热门选择包括多元二次和薄板样条。径向基函数经常在中心插值拟合，对于此类RBFs拟合内插，将被称为一个节点插值。由公式（1）中的插值函数引出插值方程系统。 (2) 此处，f是被内插的值的矢量，a是关于基的系数的矢量，且. 不幸地，矩阵（2）并不总是系数稀疏矩阵，并且当内插节点值N足够大时，那么系统将会经常出现病态。运用非定制的方法解决系统需要触发器和存储。为了避免这些困难，本文提出了一种基于径向基函数满足侧条件拟合通过最小二乘法，虽然与插值相比，该方法失去了近似的某些精度，降低了计算成本大大。由于拟合精度和正规方程的非奇异矩阵系数的相关的RBF中选择中心的均匀性，我们提出了从一个散射组选择嵌合的RBF均匀中心的方法。数值结果证实了装修效率。剩下部分章节安排如下：回顾一下曲线最小二乘在第二部分章节;研发基于RBF的拟合在第三部分章节。然后提出一个选择从分散的定制服中心的方法;第五部分数值结果;最后是结论部分。 2 曲线拟合 设 是和中至少一个封闭域的点集，包含. 定义1 我们称基础函数与线性无关，这里。如果下面的列矢量是线性无关的。 回顾曲线拟合的一般方法：给定中的一个点集，并选择基函数它们是连续的，并在线性无关。现在我们来看看一个曲线从多种曲线。 (3) 于是 (4) 那么我们称是以的最小二乘法的一个拟合曲线。采用向量在上构建一个子空间，即 记作： 由于 因而条件（4）可以改写为 (5) 其中，被称为最好的近似方形的元素（BSAE）到的. 定理1 如果,那么的充分必要条件是的最好近似方形元素 (6) 定理2 如果为，那么在子空间的最好近似方形元素是唯一的。 为了获得，我们必须解决这些系数 据钍定理1，我们有 (7) 写作 （7）是线性方程组，被称为正规方程。公式（7）的矩阵形式是 正常等式（7）也可写为 (8) 因为是线性独立的，（8）的系数矩阵是可逆的，因此，对于正规方程存在一个唯一的解。由此可见，当 在是正交的，即 正规方程的系数矩阵变为对角矩阵，并存在一个解 3 拟合基础上的RBFs散乱点 基于的的一般数据拟合可以被写为：给定上一组中心写作,这里假设是至少封闭的领域，包括与 这里 是一组基于多项式空间基础的集合，索引集 现在我们找到一个函数不仅满足（9）各种功能条件，并满足条件（10）（（10），被称为侧形式的）。 (9) (10) 使得满足 (11) 在这里，然后我们调用最佳的最小二乘法拟合函数的数据。 在下面，我们诱导的上述拟合问