拟合与插值专题final边家文.pptVIP

例题的求解： 2、输入数据： x=2:16; y=[6.42 8.20 9.58 9.5 9.7 10 9.93 9.99 10.49 10.59 10.60 10.80 10.60 10.90 10.76]; beta0=[8 2]; 3、求回归系数： [beta,r ,J]=nlinfit(x,y,volum,beta0)； beta 得结果：beta = 11.6036 -1.0641 即得回归模型为： To MATLAB(liti41) 4、预测及作图： [YY,delta]=nlpredci(volum,x,beta,r ,J)； plot(x,y,k+,x,YY,r) 插值问题 拟合与插值的关系 说明： 函数插值与曲线拟合都是要根据一组数据构造一个函数作为近似，由于近似的要求不同，二者的数学方法上完全不同。 实例：下面数据是某次实验所得，希望得到x和 f之间的关系？ MATLAB(cn) 问题：给定一批数据点，需确定满足特定要求的曲线或曲面 解决方案： 若不要求曲线（面）通过所有数据点，而是要求它反映对象整体的变化趋势，就是数据拟合，又称曲线拟合或曲面拟合。 若要求所求曲线（面）通过所给所有数据点，就是插值问题； 最临近插值、线性插值、样条插值与曲线拟合结果： 0 2 4 6 8 10 12 14 16 18 0 5 10 15 20 25 ò??aêy?Yμ? nearest èy′??à??ê?2??μ 拉格朗日插值 分段线性插值 三次样条插值 一 维 插 值 一、插值的定义 二、插值的方法 三、用Matlab解插值问题 返回 返回 二维插值 一、二维插值定义 二、网格节点插值法 三、用Matlab解插值问题 最邻近插值 分片线性插值 双线性插值 网格节点数据的插值 散点数据的插值 一维插值的定义 已知 n+1个节点 其中 互不相同，不妨设 求任一插值点 处的插值 ? ? ? ? ? 节点可视为由 产生, 表达式复杂, 或无封闭形式, 或未知。 ? 构造一个(相对简单的)函数 通过全部节点, 即 再用 计算插值，即 ? ? ? ? ? ? 返回 称为拉格朗日插值基函数。 已知函数f(x)在n+1个点x0,x1,…,xn处的函数值为 y0,y1,…,yn 。求一n次多项式函数Pn(x)，使其满足： Pn(xi)=yi,i=0,1,…,n. 解决此问题的拉格朗日插值多项式公式如下 其中Li(x) 为n次多项式： 拉格朗日(Lagrange)插值 拉格朗日(Lagrange)插值 特别地: 两点一次(线性)插值多项式: 三点二次(抛物)插值多项式: 拉格朗日多项式插值的 这种振荡现象叫 Runge现象 采用拉格朗日多项式插值：选取不同插值节点个数n+1，其中n为插值多项式的次数，当n分别取2,4,6,8,10时，绘出插值结果图形. 例 返回 To Matlab lch(larg1) 分段线性插值 计算量与n无关; n越大，误差越小. ? ? ? ? ? ? xj xj-1 xj+1 x0 xn x o y To MATLAB xch11，xch12，xch13，xch14 返回 例 用分段线性插值法求插值,并观察插值误差. 1.在[-6,6]中平均选取5个点作插值(xch11) 4.在[-6,6]中平均选取41个点作插值(xch14) 2.在[-6,6]中平均选取11个点作插值(xch12) 3.在[-6,6]中平均选取21个点作插值(xch13) 比分段线性插值更光滑。 ? ? ? ? ? ? ? ? ? x y xi-1 xi a b 在数学上，光滑程度的定量描述是：函数(曲线)的k阶导数存在且连续，则称该曲线具有k阶光滑性。 光滑性的阶次越高，则越光滑。是否存在较低次的分段多项式达到较高阶光滑性的方法？三次样条插值就是一个很好的例子。 三次样条插值 g(x)为被插值函数。 三次样条插值 例 用三次样条插值选取11个基点计算插值(ych) 返回 To MATLAB ych(larg1) 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