matlab第七章_插值和拟合.pptVIP

第六章 插值与拟合 一元插值 一元拟合 二元有序点上的插值 二元散乱点上的插值 一、一元插值 一元多项式插值的概念：如何在整段区间 上构造一个多项式函数 ；或者在分段区间 上，构造次数 较低的多项式函数 。要求 与 所代表的曲线穿过所在区间上的每个型值点。 方法：多项式插值，线性插值，二次抛物线插值，三次样条插值。 二、一元拟合 一元拟合的概念：“尽可能地贴近”通常选用最小二乘意义下的逼近。 函数：p=polyfit(x0,y0,r);[p,s]=polyfit(x0,y0,r) 向量x0,y0为型值点列；r为拟合多项式的估计次数； s为估计或预测误差用的参数； p为输出向量，其分量为求得的r次多项式的系数。 例2：已知型值点列的坐标如下： 试在区间 上选用次数合适的多项式 进行拟合逼近。 三、二元有序点上的插值 在矩形区域 上，或者在 的分片子域 上，构造二元多项式 去逼近有点列 所蕴含的理想函数 ，或说构造多项式曲面去逼近理想曲面 。 二元多项式 通常取为双三次的，即 与 的最高次幂均 。 函数：zij=interp2(x0,y0,z0,xi,yj,’插值方法’) 四、二元散乱点上的插值 函数：zij=griddata(x0,y0,z0,xi,yj,’插值方法’) * * yi=interp1(x0,y0,xi,’插值方法’) x0与y0的分量均为已知，即原始数据或型值点列; xi为一个已知的数量，或数值，即指定的插值位置; yi为求得的插值多项式在xi处的值。 linear 线性内插，可以略去而被默认 cubic 三次多项式内插 spline 三次样条内插 nearest 最邻近点内插 ’插值方法’的左上角如果加有星号*： 将插值区间等距的分割。 例1：已知型值点坐标如下： 试在 三点处进行插值，并求 x0=[0.00 0.20 0.40 0.60 0.80 1.00]; y0=[0.00 0.32 0.21 0.10 0.04 0.02]; xi=[0.30,0.51,0.92]; y1i=interpl(x0,y0,xi); y1i=interp1(x0,y0,xi); y2i=interp1(x0,y0,xi,*cubic); y3i=interp1(x0,y0,xi,*spline); xi,y1i,y2i,y3i xi = 0.3000 0.5100 0.9200 y1i = 0.2650 0.1495 0.0280 y2i = 0.2788 0.1451 0.0242 y3i = 0.2858 0.1411 0.0232 x=0:0.03:1; y1=interp1(x0,y0,x); y2=interp1(x0,y0,x,*cubic); y3=interp1(x0,y0,x,*spline); plot(x0,y0,ko,x,y1,b:,x,y2,r-.,x,y3,m-) x0=[0.00 0.40 0.80 1.20 1.60 2.00 2.40 2.80 3.20 3.60 4.00]; y0=[0.00 0.10 0.85 1.05 3.08 3.50 6.07 7.90 9.70 13.96 14.68]; p10=polyfit(x0,y0,10);p10 p10 = 1.0e+003 * 0.0008 -0.0168 0.1472 -0.7202 2.1632 -4.1067 4.8841 -3.4682 1.3142 -0.1974 0.0000 x=0:0.05:4;y10=polyval(p10,x); plot(x0,y0,ko,x,y10,m-) x0=[0.00 0.40 0.80 1.20 1.60 2.00 2.40 2.80 3.20 3.60 4.00]; y0=[0.00 0.10 0.85 1.05 3.08 3.50 6.07 7.90 9.70 13.96 14.68]; p1=polyfit(x0,y0,1);p2=polyfit(x0,y0,2); p3=polyfi