第九章数据建模2.ppt

9.2 数据的插值方法 前言 函数是多种多样的，在科研与工程实际中有的函数表达式过于复杂而不便于计算，但又需要计算多点的函数值；有的函数甚至给不出数学式子，只能通过实验和测量得到一些离散数据（如某些点的函数值和导数值）。面对这种情况，很自然的一个想法就是构造某个简单的函数作为要考察的函数的近似 。 如果要求近似函数满足给定的离散数据，则称之为的插值函数。实用上，我们常取结构相对比较简单的代数多项式作为插值函数,这就是所谓的代数插值。 认识插值的算法　　“插值”最初是电脑术语，后来引用到数码图像上来。图像放大时，像素也相应地增加，但这些增加的像素从何而来？这时插值就派上用场了。插值就是在不生成像素的情况下增加图像像素大小的一种方法，在周围像素色彩的基础上用数学公式计算丢失像素的色彩(也有些相机使用插值，人为地增加图像的分辨率)。所以在放大图像时，图像看上去会比较平滑、干净。但必须注意的是插值并不能增加图像信息。以图1为原图(见图1)，以下是经过不同插值算法处理的图片。 图像 概念 /* Concept */ 函数解析式未知，或计算复杂，用函数g(x) 去近似代替它，使得 g(xi) = f(xi) (i = 0, … n), g(x) ? f(x) 这类问题称为插值问题。函数g(x)称为插值函数。 x0 … xn称为插值节点或简称节点。 g(xi) = f(xi)称为插值条件。 四、Lagrange插值法 引入记号 , 易证 , 从而Lagrange插值多项式可表示为 插值与拟合举例分析 上式两边同乘以 ,即得方程 若记 则所得方程可简写成 即 这是一个含有n+1个未知数、n-1个方程的线性方程组.要完全确定 的值还需要补充两个条件,这两个条件通常根据实际问题的需要，根据插值区间?a,b?的两个端点处的边界条件来补充。边界条件的种类很多，常见的有以下3种： 第一种边界条件：即已知插值区间两端的一阶导数值： 则可得到包含Mi的两个线性方程,S(x)在子区间? ?上的导数为 由条件 得 即 同理,由条件 得 即得确定 的线性方程组 其中 第二种边界条件:即已知插值区间两端的二阶导数值: , 由于在区间端点处二阶导数 ，所以方程中实际上只包含有n-1个未知数 ，从而得方程组 第三种边界条件:由 与 ，可得 和 其中 得关于 的线性方程组。 利用线性代数知识,可以证明方程组的系数矩阵都是非奇异的，因此有惟一解。 用三次样条绘制的曲线不仅有很好的光滑度，而且当节点逐渐加密时，其函数值在整体上能很好地逼近被插函数，相应的导数值也收敛于被插函数的导数，不会发生龙格现象。因此三次样条在计算机辅助设计中有广泛的应用。 用MATLAB作插值计算 一维插值函数： yi=interp1(x，y，xi，method) 插值方法 被插值点 插值节点 xi处的插值结果 ‘nearest’ ：最邻近插值‘linear’ ： 线性插值； ‘spline’ ： 三次样条插值； ‘cubic’ ： 立方插值。 缺省时： 分段线性插值。 注意：所有的插值方法都要求x是单调的，并且xi不能够超过x的范围。 例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。试估计每隔1/10小时的温度值。 x=1:12; y=[5 8 9 15 25 29 31 30 22 25 27 24]; xi=1:0.1:12; yi=interp1(x,y,xi,spline); plot(x,y,+,xi,yi,r) 问题7 【飞机轮廓模型】 已知飞机机翼截面下