称为曲线拟合的最小二乘法.pptVIP

实际问题中，通过一组观测数据，找出描述这些数据的规律，即构造一条拟合曲线，反映所给数据点总的趋势，以消除所给数据的局部误差。 * 曲线拟合 主要内容 背景及应用 1 在故障诊断中的应用 3 基本原理及实现方法 2 总结及展望 4 参考文献 5 1、背景及应用 理论上，可以根据插值原则构造n次多项式Pn(x),使其正好通过实测点。 实际情况，为尽量反应真实情况，需要数目很多的采样点。 这样，会造成插值多项式次数很高，增大计算量，影响函数逼近程度。并且差值多项式需要经过每一个测试点，这样会保留测量误差，影响函数逼近精度。 在许多领域中, 常常需要根据实际测试所得到的一系列数据, 求出变量间的函数关系。 因此, 我们一般根据已知实际测试样点, 找出被测试量之间的函数关系, 使得找出的近似函数曲线能够充分反映实际测试量之间的关系, 这就是曲线拟合。 1、背景及应用 由于通过曲线拟合方法能将实际试验测试数据转化成合乎误差要求的近似曲线、函数解析式，它被广泛应用于图像处理、逆向工程、计算机辅助设计，以及测试数据的处理分析等领域。 2、基本原理及实现方法 2.1 曲线拟合的定义 曲线拟合，是指求取一个函数解析式 y=f(x,c)，使其通过或者近似通过有限的试验数据对(xi , yi)(i=1,2,…,