5曲线拟合最小二乘法.pptxVIP

曲线拟合;;; 与函数插值问题不同,曲线拟合不要求曲线通过所有已知点,而是要求得到的近似函数能反映数据的基本关系。在某种意义上,曲线拟合更有实用价值。 两种逼近概念: 插值: 在节点处函数值相同. 拟合: 在数据点处误差平方和最小 在对给出的实验(或观测)数据 作曲线拟合时,怎样才算拟合得最好呢？ ;常见做法：;曲线拟合的最小二乘法;7;8;9;10;根据最小二乘原理，应取 和 使 有极小值，故 和 应满足下列条件：;即得如下方程组 ;拟合直线为 记x1=1.36, x2=1.37, x3 =1.95 x4 =2.28, y1 =14.094, y2= 16.844, y3=18.475, y4=20.963 则正规方程组为 ;解得 ;;由于Q可以看作是关于 ( j=0,1,2,…, n)的多元函数, 故上述拟合多项式的构造问题可归结为多元函数的极值问题。令;;解：将已给数据点描在坐标系中，可以看出这些点 接近一条抛物线，因此设所求的多项式为 ;几种常见的数据拟合情况。图 ( a ) 表示数据接近于直线，故宜采用线性函数 拟合；图(b)数据分布接近于抛物线。可采拟合；二次多项式 ;图 ( c ) 的数据分布特点是开始曲线上升较快随后逐 渐变慢,宜采用