实验一 数据拟合.docVIP

实验一 数据拟合 一、实验目的和要求 了解最小二乘法； 了解数据拟合； 了解 Matlab 做拟合的基本方式； 了解拟合在数值计算中的应用。 二、背景知识 1. 最小二乘法与数据拟合 数据拟合问题的提法是，已知一组数据 ?x y ? i m i , , ? 1 , 2 , 3 , ? , ，寻 i 求一个拟合函数 y ? f ?x?，使将? ? 代入得到的f(??)在某种准则下与?? 最为接近 （i = 1, ? , m）。在几何上，可以看作是找一条曲线 y ? f ?x?，与平面上已知的 m 个点(??, ??)在某种准则下最为接近。常用的拟合函数有多项式函数、指数函数 等。 最常用的准则是使f(??)与??之差的平方和最小，称为最小二乘准则。根据最 小二乘准则计算得到的待定系数的解称为最小二乘解，相应的方法称为最小二乘 法。 2. 多项式拟合 拟合函数为多项式函数 m 2 F a a n ? y a a x ? a x ? a x ? ? ?? ? ?? 0 , , ? ? a ? ? ? 2 n 1 i 0 1 i 2 i n i i?1 时，极小化上述函数得到的 0 a 为最小二乘解。这个问题非常特殊，可 a , , ? a 1 n 以推导出解析解的表达式。 利用多元函数极值的必要条件，得到线性方程组 ? m ?? ? a ? a x ? a x ? ? a xn y ? 0 2 ? ? ? 0 1 i 2 i n i i ? i?1 ? m ? ? ? x a ? a x ? a x ? ? a x ? y ? 0 2 n ? ? i 0 1 i 2 i n i i ? i?1 ? ?? ?? ? ? m ? ? ? ? x a ? a x ? a x ? ? a x ? y ? 0 n 2 n ? i 0 1 i 2 i n i i ? i?1 即 1 ? ? m ? ? m ? x ? i ? ? ? i?1 m ? x n ? i ? i?1 m ? i?1 m x x i ? 2 i i?1 ? m ? n?1 x i i?1 ? ? ? ? m ? i?1 m x n i ? n?1 x i i?1 m ? i?1 x 2n i ? ? ?? a ? 0 ? ? a ? 1 ? ? ? ? ? ? a ?? n ? ? ? ? ? ? ? ? ? ? ? m ? ? y i ? i?1 ? m ? x y ? i i ? i?1 ? ? m ? ? ? ? x y n i i i?1 ? ? ? ? ? ? ? ? ? ? ， 解此方程组可得到唯一一组 0 的取值。 a , , ? a a 1 n 3. matlab 中的多项式拟合函数 在 matlab 软件中，也可以借助专用的多项式拟合命令函数 polyfit，它的基本 使用格式为： 函数：p= polyfit(x,y,n) 功能：用 n 阶多项式拟合数据列(x,y)。 说明：参数(x,y)是数据列的坐标，参数 n 是多项式的阶。返回值 p 是多项式 从高阶到低阶的系数 4. 多项式求值 通过数据拟合得到的只是多项式的系数，如果要对这个多项式求值，则调用 函数 polyval 即可，这个函数的基本使用格式为： 函数：polyval(p,x) 功能：求多项式 p 在 x 处的函数值。x 是数组的话返回函数值数组。 说明：参数 p 是多项式的系数数组，从高阶到低阶。 三、例题 例 1 下表是纽约黑鲈的体重 W 与体长 L 之间的一组测量数据，试拟合出体重 W 与体长 L 之间的函数关系。 表 1 黑鲈的体重 W 与体长 L 测量数据 W(ozs) 17 17 23 27 41 49 L(in) 12.50 12.63 14.13 14.50 17.25 17.75 （1）所给数据之间关系的散点图 代码：L=[12.5, 12.63, 14.13, 14.50, 17.25, 17.75]; W=[17, 17, 23, 27, 41, 49]; 2 plot(L,W,r+) xlabel(体长);ylabel(体重); legend(体重与体长关系散点图) 运行结果：图 2-1。 （2）选择 3 阶多项式，先数据拟合 代码：p= polyfit(L,W,3) 运行结果：0.42932 -18.709 274.49 -1329.8。 即：W ? 0.42932L3 ?18.709L2 ? 274.49L ?1329.8 （3）拟合曲线与原始数据对比图 代码：plot(L,W,r+, L,polyval(p,L)) xlabel(体长);ylabel(体重); 运行结果：图 2-2。 图 2-1 图 2-2 例 2 (斐波那契数列) 某人养了一对兔