数值计算方法课件ch3插值法与最小二乘法—37数据拟合的最小二乘法.pptxVIP

;实例：考察某种纤维的强度与其拉伸倍数的关系,下表是实际测定的24个纤维样品的强度与相应的拉伸倍数的记录:;可见:纤维强度随拉伸倍数增加而增加,并且24个点大致分布在一条直线附近.; 数据拟合法是函数逼近的另一种方法.它与插值法不同，它不要求曲线完全通过所有已知的节点，而是从给出的一大堆数据中找出规律，即设法构造一条曲线反映数据点的总的趋势，以消除其局部波动。这在一定条件下比插值法更能反映客观实际.数据有误差往往是难免的，数据拟合法是从总偏差最小的角度来取近似曲线.; 根据上述实例图中测试点的分布情况,可以画出很多条靠近这些点的直线,其方程都可表示为：;(3);(4);问：确定拟合函数 S(x) 后,如何求拟合系数 ,使得 满足拟合条件(6)？;由多元函数取极值的必要条件;(7);定义内积：;(11);即;可以证明:; 从散点图可以看出函数关系近似线性关系，所以选择线性函数：;得法方程组：;4)解法方程组,求拟合函数系数;最小二乘拟合的一般步骤: 描点(若给定拟合函数形式,这一步骤可以省略); 根据数据点的分布情况,确定拟合函数,进一步确定拟合函数的基底; 建立法方程组(涉及到一些内积运算); 求解法方程组(推荐使用Gauss列主元消去法),得拟合函数的系数; 将这组系数代入拟合函数，即为最小二乘解;