matlab插值与拟合解析.ppt

曲 线 拟 合 问 题 的 提 法 已知一组（二维）数据，即平面上 n 个点（ x i , y i ) 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 ) ( x i , y i ) ? i ? i 为点（ x i , y i ) 与曲线 y = f ( x ) 的距离 曲线拟合问题最常用的解法 —— 线性最小二乘法的基本思路 第一步 : 先选定一组函数 r 1 ( x ), r 2 ( x ), …, r m ( x ), m n , 令 f ( x )= a 1 r 1 ( x )+ a 2 r 2 ( x )+ …+ a m r m ( x ) （ 1 ） 其中 a 1 , a 2 , …, a m 为待定系数． 第二步 : 确定 a 1 , a 2 , …, a m 的准则（最小二乘准则）： 使 n 个点（ x i , y i ) 与曲线 y = f ( x ) 的距离 ? i 的平方和最小 ． 记 ) 2 ( ] ) ( [ ] ) ( [ ) , , ( 2 1 1 2 1 1 2 2 1 i i k n i m k k i n i n i i i m y x r a y x f a a a J ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 问题归结为，求 a 1 , a 2 , …, a m 使 J ( a 1 , a 2 , …, a m ) 最小． 用 MATLAB 作线性最小二乘拟合 1. 作多项式 f ( x )= a 1 x m + …+ a m x + a m+1 拟合 , 可 利用已有程序 : a=polyfit(x,y,m) 输入同长度 的数组 x ， y 拟合多项 式次数 2. 多项式在 x 处的值 y 可用以下命令计算： y=polyval （ a ， x ） 插值与拟合 一、插值的基本原理 二、拟合的基本原理 三、插值与拟合的关系 四、插值的 MATLAB 实现 五、拟合的 Matlab 实现 我们经常会遇到大量的数据需要处理， 而处理数据的关键就在于这些算法，例如 数据拟合、参数估计、插值等数据处理算 法。此类问题在 MATLAB 中有很多现成的 函数可以调用，熟悉 MATLAB ，这些方法 都能游刃有余的用好。 一、概述 数据拟合在很多赛题中有应用，与图形 处理有关的问题很多与插值和拟合有关系， 例如 98 年美国赛 A 题，生物组织切片的三维插 值处理， 94 年 A 题逢山开路，山体海拔高度的 插值计算， 2003 年吵的沸沸扬扬的“非典” 问题也要用到数据拟合算法，观察数据的走 向进行处理， 2005 年的雨量预报的评价的插 值计算。 2001 年的公交车调度拟合问题， 2003 年的饮酒驾车拟合问题。 预测点和实测点的图形 插值后的图形 喝两瓶酒的拟合曲线 喝 1-5 瓶酒的拟合曲线 在实际中，常常要处理由实验或测量所 得到的一些离散数据。插值与拟合方法就是 要通过这些数据去确定某一类已知函数的参 数或寻求某个近似函数，使所得到的近似函 数与已知数据有较高的拟合精度。 如果要求这个近似函数（曲线或曲面） 经过所已知的所有数据点，则称此类问题为 插值问题 。 （不需要函数表达式） 二、基本概念 如果不要求近似函数通过所有数据点， 而是要求它能较好地反映数据变化规律的近 似函数的方法称为 数据拟合 。（必须有函数 表达式） 近似函数不一定（曲线或曲面）通过所 有的数据点。 1 、联系 都是根据实际中一组已知数据来构造一个能够 反映数据变化规律的近似函数的方法。 2 、区别 插值问题 不一定得到近似函数的表达形式，仅 通过插值方法找到未知点对应的值。 数据拟合 要求得到一个具体的近似函数的表达式。 三、插值与拟合的区别和联系 四、插值的使用及求解 当数据量不够，需要补充，且认定已有数 据可信时 , 通常利用函数插值方法。 实际问题当中碰到的函