数据拟合的基本念数据拟合的线性模型数据拟合的非线性模型.pptVIP

* 数据拟合的基本概念 数据拟合的线性模型 数据拟合的非线性模型 数据拟合 拟 合 问 题 引 例 1 温度t(0C) 20.5 32.7 51.0 73.0 95.7 电阻R(?) 765 826 873 942 1032 已知热敏电阻数据： 求600C时的电阻R。 设 R=at+b a,b为待定系数 曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n个点（xi,yi) i=1,…n, 寻求一个函数（曲线）y=f(x), 使 f(x) 在某种准则下与所有数据点最为接近，即曲线拟合得最好。 + + + + + + + + + x y y=f(x) (xi,yi) ?i ?i 为点（xi,yi) 与曲线 y=f(x) 的距离 拟合与插值的关系 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，二者的数学方法上是完全不同的。 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，这就是数据拟合，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： 已知数据表 x x1 x2 ·········· xm f(x) y1 y2 ·········· ym 离散数据的线性拟合 求拟合函数: ? (x) = a + b x a + b x1 = y1 a + b x2 = y2 ·················· a + b xm = ym ? ? GX=F 超定方程组 最小二乘问题 残差: r = GX – F = (GX–F , GX–F ) =(GX, GX) – 2(GX, F )+(F, F) =(X, GTGX) – 2(X, GTF )+(F, F) f(X) = (X, GTGX) – 2(X, GTF ) 求解极值问题: g(t)=f(X+ te) = f(X)+2t(e, GT(GX–F))+ t2(e, GTGe) g’(0)=0 ? (e, GT(GX – F))=0 ? (e, GT(GX – F)) = 0 ? GT(GX – F) = 0 GTGX – GTF = 0 ? GTGX =GTF 设 X 是函数 f(X) 的极值点,任意 e∈R2 f (X + te)=(X+ te, GTG(X+te)) – 2(X+te, GTF ) 令 A = GTG, b = GTF ? AX =b 对称正定方程组 超定方程组最小二乘解 X* 的几何意义 例 向量组 平面 正规方程 求 a, b 使 S(a, b)= min 超定方程组: GX=F ? 正规方程组: GTGX=GTF 例1. 已知实验数据如下,求线性拟合函数。 解: 设拟合曲线方程为 ? (x)= a + b x x 1 2 3 4 5 f(x) 4 4.5 6 8 9 5a + 15b = 31.5 15a +55b =108 a =2.25, b= 1.35 ? GX=F ? GTGX=GTF 求数据的二次拟合函数 P(x)=a0+a1x+a2x2 x 1 2 3 4 5 f(x) 4 4.5 6 8 9 解:将数据点代入, 得 a0 + a1 + a2 = 4 a0 + 2a1 + 4a2 = 4.5 ·················· a0 + 5a1 + 25a2 = 9 得 P(x)=3+0.7071x + 0.1071x2 二次拟合误差: || r ||2 = 0.6437 a0=3, a1=0.7071, a2=0.1071 比较线性拟合误差: ||r ||2 = 0.7583 多项式拟合函数: ?(x)=a0 + a1 x + a2x2 + ······ +an xn 数据拟合的线性模型 给定数据表 x x1 x2 ·········· xm f(x) y1 y2 ········