math_chap08[精].ppt

Slide 1 (of 11) 第8章 数据插值、函数逼近问题的计算机求解 插值与数据拟合 样条插值与数值微积分问题求解 由已知数据拟合数学模型 特殊函数及曲线绘制 信号分析与数字信号处理基础 8.1 插值与数据拟合 一维数据的插值问题 已知样本点的定积分计算 二维网格数据的插值问题 二维一般分布数据的插值问题 高维插值问题 基于样本数据点的离散最优化求解 8.1.1 一维数据的插值问题 一维插值问题的求解 Lagrange插值算法及应用 一维插值的预报问题求解 8.1.1.1 一维插值问题的求解 一维插值interp1()函数的调用格式为： 插值方法： linear：默认方法 cubic：当前版本的MATLAB中改为pchip nearest spline 运用外推法，在区间 外的点的插值的函数调用格式为 例 8.1 已知的数据点来自函数 根据生成的数据进行插值处理，得出较平滑的曲线直接生成数据 MATLAB求解语句： 调用interp1()函数： 验证结果： 例 8.2 编写一段程序，允许利用插值方法手工绘制一条光滑的曲线 需要用户自己选定几个点，然后就能绘制出一条光滑的曲线 在绘制图形时，若给出vis变量，则绘制的图形保留样本点处的圆圈，否则在绘制图形后删去圆圈 8.1.1.2 Lagrange插值算法及应用 已知 点，可求出 x 向量上各点处的插值为： 插值算法为 MATLAB函数调用格式 Lagrange 插值算法的MATLAB实现 例 8.3 对 进行Lagrange插值 调用interp1()函数： 例8-4 某省人口数据在 census.xls 给出，试根据给出的数据预报未来人口 人口数量预报问题是一个复杂的问题 采用人口动力学之类的动态模型 这里给出的预报只适合短时间之内的预报 8.1.2 已知样本点的定积分计算 编写MATLAB函数： 函数调用格式： 例 8.5 利用样条插值算法求解 用30个采样点求解： 比较梯形积分法法和基于插值的方法： 给定5个不均匀分布的采样点： 误差 例 8.6 已知其中的150个数据点，用quadspln()函数计算出该定积分的值 求数值解： 8.1.3 二维网格数据的插值问题 二维插值的函数： 其中， 为已知二维数据， 为插值点构成的新的网格参数， 矩阵为在所选插值网格点处的函数近似值 选项类似于 interp1 建议使用 spline 选项 例 8.7 根据下述函数生成一些较稀疏的网格数据 进行各种插值拟合，并比较拟合结果 绘制已知数据的网格图： 默认插值算法进行插值： 立方插值和样条插值，并分析误差 8.1.4 二维一般分布数据的插值问题 griddata() 函数的调用格式： 其中 是已知的二维样本点 x, y 是期望的插值位置 z 表示插值的结果，维数和 x, y 一致 ‘v4’ 是MATLAB 4.0版本中提供的插值算法. 例 8.8 给定函数 在矩形区域 内随机生成一组样本点 生成一组 的值，以这些值为已知数据，用griddata()进行插值处理，并误差分析。 数据生成与显示 使用 ‘cubic’ 和 ‘v4’ 算法： 比较： 例 8.9 给定的样本点在x-y平面分布较均匀，现在人为剔除某些点，表明已知数据分布不均匀，这时再进行插值分析，观察插值效果。 剔除圆内的样本点 用新的样本点拟合出曲面： 误差分析： 误差的等高线图： 8.1.5 高维插值问题 三维的网格数据生成： 高维网格数据的生成 插值函数 网格数据插值 interpn 散点数据的插值 griddatan 数据格式变换 多维网格格式不同 ndgrid与meshgrid格式不同 格式转换方法 例 8.10 假设已知某三元函数 可以通过该函数生成一些网格型样本点，试根据样本点进行拟合，并给出拟合误差 8.1.6 基于样本数据点的离散最优化求解 当需要优化的目标函数的原型未知，且有一些相应的、离散分布样本数据点，则可以采用样条插值或其他插值方法去拟合目标函数，从而优化这样的目标函数。 例 8.11 给定下列函数 假设已经