logo 31用正交多项式作最小二乘拟合logo 3非线性模型的曲线拟合.pptVIP

3.1.2 用正交多项式作最小二乘拟合 下面用归纳法证明这样给出的 是正交的，由（3.10）式第二次及（3.11）式中 的表达式，有 3.1.2 用正交多项式作最小二乘拟合 再看 3.1.2 用正交多项式作最小二乘拟合 3.2 非线性模型的曲线拟合 当前研究的非线性模型主要是指参数或自变量是非线性的，形式复杂多样，常见的有多项式形式、双曲线形式、对数形式、幂函数形式等等，更复杂的有修正指数曲线、Compterz曲线以及Logistic曲线等。如何根据数据的大致规律来选择合适的模型，是拟合的关键。总的来说有两中可参考的方法：一是根据散点图来确定类型，即由散点图的形状大体确定模型类型；二是根据专业知识和经验，判断研究的数据曲线属于什么类型。现在研究非线性模型的方法用得最多的就是最小二乘法。 3.2.1 牛顿迭代 无论采取什么方式变换都不可能实现线性化，这样的模型称为不可线性化模型。对于不可线性化模型，一般采用高斯一牛顿迭代法进行参数估计，即借助于泰勒级数展开式进行逐次的线性近似估计。 第一步：做Logit-Ln线性回归，求 的初值。此时x不能为0值，若输入的x有0值，则将其设为一小值（例如：0.00001）。首选将原方程变形为如下线性形式： 将 初值设为输入的y值的最大值加1，