MATLAB 曲线拟合及插值.pdfVIP

第11 章 曲线拟合与插值 在大量的应用领域中，人们经常面临用一个解析函数描述数据(通常是测量值) 的任务。 对这个问题有两种方法。在插值法里，数据假定是正确的，要求以某种方法描述数据点之 间所发生的情况。这种方法在下一节讨论。这里讨论的方法是曲线拟合或回归。人们设法 找出某条光滑曲线，它最佳地拟合数据，但不必要经过任何数据点。图 11.1 说明了这两种 方法。标有o的是数据点；连接数据点的实线描绘了线性内插，虚线是数据的最佳拟合。 11.1 曲线拟合 曲线拟合涉及回答两个基本问题：最佳拟合意味着什么？应该用什么样的曲线？可用 许多不同的方法定义最佳拟合，并存在无穷数目的曲线。所以，从这里开始，我们走向何 方？正如它证实的那样，当最佳拟合被解释为在数据点的最小误差平方和，且所用的曲线 限定为多项式时，那么曲线拟合是相当简捷的。数学上，称为多项式的最小二乘曲线拟合。 如果这种描述使你混淆，再研究图 11.1。虚线和标志的数据点之间的垂直距离是在该点的 误差。对各数据点距离求平方，并把平方距离全加起来，就是误差平方和。这条虚线是使 误差平方和尽可能小的曲线，即是最佳拟合。最小二乘这个术语仅仅是使误差平方和最小 的省略说法。 Second Order Cu