第七章 数据处理及应用 【教学目的】：本章着重介绍数据的插值、拟合与 .doc

第七章 数据处理及应用 【教学目的】：本章着重介绍数据的插值、拟合与多元回归分析，并利用Matlab相应工具结合具体案例进行分析。 【教学重点难点】： 教学重点：插值与拟合，回归分析，聚类与分类。 教学难点：定性与定量的结合，如何在定性分析基础上给出适当的定量关系。 【课时安排】：8学时 【教学方法】：采用多媒体教学手段，配合实例教学法，通过对典型例题的讲解启发学生思维，并给与学生适当的课后思考讨论的时间，加深知识掌握的程度。安排一定课时的上机操作。 【教学内容】： 7.1数据插值与拟合 在工程和科学实验中，当研究对象的机理不清楚的时候，经常需要从一组实验观测数据 (xi , yi ) (i = 1, 2, …, n)中寻找自变量x与因变量y之间的某种函数关系 y = f(x)。比如测量了人的身高和体重的一些数据，要确定两者的函数关系，但身高与体重的机理我们不清楚，所以寻找尽量吻合这组测量数据的近似函数模型就很重要了。函数 f(x) 的产生办法因观测数据与要求的不同而异，通常可采用数据插值与数据拟合的方法。 7.1.1数据插值 1.插值问题的描述 对给定的一组测量数据，要确定通过所有这些数据点的曲线或曲面的问题就是插值问题。对一维插值问题可以这样描述：设f(x)在区间[a, b]上连续，x0,x1,…,xn为 [a, b]上n(1个互不相同的点，且已知f(x)的一组实验观测数据 (xi , yi ) (i = 1, 2, …, n)，要求一个性质优良、便于计算的近似函数((x)，使得 ，i =0,1,…,n (7.1) 成立，这就是一维插值问题。其中称[a, b]为插值区间，点x0,x1,…,xn为插值节点，函数((x)为插值函数，f(x)为被插值函数，式(1)为插值条件。求插值函数((x)的方法称为插值法。 关于高维插值可类似定义，本节只介绍一维和二维插值。 2.基本插值方法简介 插值函数的取法很多，可以是代数多项式，也可以是三角多项式或有理函数；可以是[a, b]上任意光滑函数，也可以是分段光滑函数。对一维插值，最常用最基本的插值方法有：分段多项式插值与三次样条插值；二维插值根据数据分布规律可分为网格节点插值和散乱数据插值，相应的方法有双三次样条插值方法和改进的Shepard方法。具体的方法原理请参阅计算方法的专业书籍，这里不再详细介绍。下面我们着重介绍Matlab中如何实现数据插值。 3.插值方法的Matlab实现 一维数据插值 MATLAB中用函数interp1()来处理一维数据插值，它提供了四种插值方法供选择：线性插值、三次样条插值、三次插值和最临近插值。 命令 interp1 格式 yi = interp1(x, y, xi, method) %对被插值节点xi, 用method方法进行插值.说明 (1）.输入参数说明：x,y为插值节点，均为向量；xi为任取的被插值点，可以是一个数值，也可以是一个向量；yi为被插值点xi处的插值结果； （2）.其中method是选用的插值方法，具体有： nearest—表示最临近插值 linear—表示线性插值，默认 cubic—表示三次插值 spline—表示三次样条函数插值 注意上述method中所有的插值方法都要求x是单调的，并且xi不能超过x的取值范围, 其中最后一种插值的曲线比较平滑； （3）三次样条插值函数的调用格式有两种等价格式： yi = interp1(x, y, xi, spline) yi = spline(x, y, xi) 例1：下表给出了12名成年女子的身高与腿长的测量数据： 身高 143 145 146 149 153 155 156 157 158 159 162 164 腿长 88 85 88 92 93 96 98 97 96 98 70 72 试研究身高与腿长的关系，并给出身高为148、150、160时腿长的预测值。 解：在matlab中输入代码： x=[143 145 146 149 153 155 156 157 158 159 162 164]; %插值节点 y=[88 85 88 92 93 96 98 97 96 98 70 72]; x1=143:0.2:164; %被插值节点，用于确定插值函数. plot(x,y,o);hold on %原始测量数据散点图. y1=interp1(x,y,x1,spline); %求被插值节点处