第03章 曲线拟合最小二乘法.ppt

第三章曲线拟合的最小二乘法 计算机学院 陈克建 4 学时 本章内容 §3.1 引言 §3.2 什么是最小二乘法 §3.3 最小二乘解的求法 §3.4 加权最小二乘法 小结 作业与实验 本章要求 1. 熟悉插值法和拟合法的区别； 2. 了解偏差的概念; 3. 掌握使用最小二乘法进行数据拟合。 §3.1 引言 本节内容 一. 问题提出 二. 科学计算中两类逼近问题 三. 多项式逼近 四. 函数逼近问题描述 五. 插值和拟合的概念与区别 返回章节目录 §3.1 引言 一. 问题提出 某种合成纤维的强度与其拉伸倍数有直接关系，下表是实际测定的 24 个纤维样品的强度与相应拉伸倍数的记录。 提示：将拉伸倍数作为 x，强度作为 y，在座标纸上标出各点，可以发现什么? §3.1 引言 §3.1 引言 从图中可以看出,纤维强度与拉伸倍数大致成线形关系, 并且 24 个点大致分布在一条直线附近, 可用一条直线来表示两者之间的关系。 解：设 y*=a+bxi §3.1 引言 二. 科学计算中两类逼近问题： 1、关于数学函数的逼近问题： 计算机只能做算术运算，因此，在计算机上计算数学函数必须用其它简单的函数来逼近，且用它来代替原来精确的数学函数的计算。 如：f(x) = sin(x)用 代替等。 函数逼近的特点： （1）要求高精度逼近； （2）要求快速计算（计算量要小）。 §3.1 引言 2、建立实验数据的数学模型： 给定函数的实验数据，需要用较简单和合适的函数来逼近（或拟合实验数据） 例：已知 y = f(x) 实验数据 希望建立y = f(x) 数学模型（近似表达式） 数据逼近的特点： （1）要求适度的精度； （2）实验数据有小的误差； （3）有些问题会有特殊信息来选择数学模型。 §3.1 引言 三. 多项式逼近（已学过） 1、Taylor多项式逼近函数（在x＝x0点） （详见教材P88） 例：教材89例1 2、插值多项式逼近函数 （详见教材P88，另教材第2章） §3.1 引言 四. 函数逼近问题描述 设f (x)为[a, b]上连续函数, 寻求一个近似函数P (x) (多项式) 使在[a, b]上均匀逼近f (x) 。 §3.1 引言 五. 插值和拟合的概念与区别 插值法是使用插值多项式来逼近未知或复杂函数的, 它要求插值函数与被插函数在插值节点上函数值相同 , 而在其他点上没有要求。在非插值节点上有时函数值会相差很大。 最佳逼近问题要求在被插函数的定义区间上,所选近似函数都能与被插函数有较好的近似。 最佳逼近是在函数空间 M中选 P(x) 满足 §3.1 引言 但由于绝对值函数不宜进行分析运算,常将上式化为 来讨论, 于是最佳逼近问题变为最佳平方逼近问题, 而离散的最佳平方逼进问题就是常说的曲线拟合 它们都可用最小二乘法求解。 插值法适用于数据精确或可靠度较高的情况 曲线拟合法适用于数据本身就有误差的情况 §3.2 什么是最小二乘法 本节内容 一. 问题背景 二. 偏差的概念 三. 最小二乘原则 四. 最小二乘法 返回章节目录 §3.2 什么是最小二乘法 一. 问题背景 科学实验，统计分析，获得大量数据 §3.2 什么是最小二乘法 §3.2 什么是最小二乘法 当数据量特别大时一般不用插值法。这是因为数据量很大时所求插值曲线中的未知参数就很多，而且数据量很大时，多项式插值会出现高次插值（效果不理想）或分段低次插值（精度不高）；另外，测量数据本身往往就有误差，所以，使插值曲线刻意经过这些点也不必要。 而曲线拟合是，首先根据物理规律或描点画草图确定一条用来拟合的函数曲线形式，也可选择低次多项式形式（所含参数比较少），然后按最小二乘法求出该曲线，它未必经过所有已知点，但它能反映出数据的基本趋势，且误差最小，效果比较好。 §3.2 什么是最小二乘法 二. 偏差（残差）的概念 §3.2 什么是最小二乘法 常见做法： §3.2 什么是最小二乘法 三. 最小二乘原则 1. 最小二乘原则 使偏差平方和最小（上页中方法3）的原则称为最小二乘原则； 2. 最小二乘法 按最小二乘原则选择拟合曲线y=φ(x)的方法 §3.2 什么是最小二乘法 四. 最小二乘法 §3.2 什么是最小二乘法 §3.3 最小二乘解的求法 本节内容 一. 最小二乘解的求法 二. 最小二乘拟合多项式的存在唯一性 三. 一般最小二乘拟合 返回章节目录 §3.3 最小二乘解的求法 一. 最小二乘解的求法 §3.3 最小二乘解的求法 §3.3 最小二乘解的求法 §3.3 最小二乘解的求法 §3.3 最小二乘解的求法 （1）直线拟合（一次多项式拟合） 若