3 函数拟合 计算方法课件及实验 教学课件.pptVIP

第3章 曲线拟合的最小二乘法 曲线拟合问题 多项式插值虽然在一定程度上解决了由函数表求函数的近似表达式问题，多项式插值必须满足插值条件，所求出的曲线通过每一个观察点。但是，实验提供的数据通常带有测量误差，如果要求近似曲线严格地通过所给的每个数据点，就会使曲线保留着原有的测试误差，尤其个别数据误差较大时，插值效果不理想。 曲线拟合的最小二乘法总的说来也是用较简单的函数逼近一组已知数据，但它并不要求该函数的图形通过每一个已知点，而要求偏差的平方和为最小。 残差向量的各分量平方和记为： 据实验数据分布特点选取，可选幂函数类、指数函数类、三角函数类等。 例1：已知数据表： 用最小二乘法求拟合这组数据的曲线。 解：(1) 绘出数据点的图形，可见这些点大致位于一条直线附近： x=0:0.2:0.8; y=[0.0, 1.9, 2.8, 3.3, 4.2]; a=polyfit(x,y,1) x1=0:0.1:0.8; y1=a(2)+a(1)*x1; plot(x, y, * ) hold on; plot(x1, y1,-r ) (2) 选择拟合函数：?(x) = a0 + a1x，即取?0(x) = 1，?1(x) = x为基函数。 (3)利用正规方程组得： 一般而言，以下四种形式都可以经过变换后化为直线拟合形式  §4 加权最小二乘法  在实际的测量数据中，并不是所用数据都是等精度、等地位的。为了表示不同数据的重要程度，可对数据赋予相应的权重。权重的大小代表数据的重要程度，利用赋予权重的数据，表示拟合曲线的方法，称为加权最小二乘法。 解：已知函数关系为直线关系，则将数据直接代入法方程组式得 §5 利用正交函数做最小二乘拟合 内积空间和内积的定义 范数的定义和性质 正交函数 正交多项式 利用正交多项式求解正则方程 离散数据拟合的MATLAB函数 一、polyfit 1．polyfit（）函数：求离散数据的多项式拟合. 命令格式为：a=polyfit(x,y,n) 2．polyval（）函数:求多项式在某一点处的函数值. 命令格式为:y=polyval(p,x) 例1 利用polyfit作二次拟合，输出多项式的系数, 并利用polyval计算拟合多项式值，画出拟合曲线. x=[-2 -1 0 1 2 3 4];y=[19.5 10.2 3.5 4.8 12.4 26.1 43.9]; a=polyfit(x,y,2) xx=-2:0.1:4;yy=polyval(a,xx); plot(xx,yy,x,y,*) 数值分析——函数逼近 运行得：a = 2.9774 -1.8869 4.2000.拟合曲线见图. 二、lsqcurvefit 非线性最小二乘拟合函数. 命令格式为： x=lsqcurvefit(fun,x0,xdata,ydata) 例2 利用lsqcurvefit作非线性最小二乘拟合. x=[1 2 3 4];y=[7 11 17 27]; f=inline(a(1)*exp(a(2).*x),a,x); a=lsqcurvefit(f,[4 0.4],x,y) 运行得到:a = 4.4274 0.4515. 数值分析——函数逼近 三、lsqnonlin 非线性最小二乘拟合函数. 命令格式为： x=lsqnonlin(fun,x0) 例3 利用lsqnonlin作非线性最小二乘拟合. function y=curve_fun(p) x=[1 2 3 4];y=[7 11 17 27]; y=p(1)*exp(p(2).*x)-y; a=lsqnonlin(curve_fun,[4 0.4]) 编写拟合的目标函数curve_fun.m 利用lsqnonlin函数求解 运行得到:a = 4.4274 0.4515. 四、nlinfit 非线性回归函数 命令格式为：beta= nlinfit(x,y,fun,beta0) 数值分析——函数逼近 例9 利用nlinfit作非线性最小二乘拟合. x=[1 2 3 4];y=[7 11 17 27]; f=inline(a(1)*exp(a(2).*x),a,x); a=nlinfit(x,y,f,[4 0.4]) 运行得到：a = 4.4274 0.4515. 数值分析——函数逼近 一、 内积空间 定义1 设在区间(a，b)上非负函数 ，满足条件： 1) 存在(n=0，1，…)； 2)对非负的连续函数g(x)，若 =0， (3.2) 则在(a，b)上g(x)≡0，就称 为区间(a，b)上的权函数. 定义5 设f(