曲线拟合方法浅析.pdfVIP

曲线拟合方法概述 工业设计 张静 1014201056 引言：在现代图形造型技术中，曲线拟合是一个重要的部分，是曲面拟合的 基础。现着重对最小二乘法、移动最小二乘法、 NURBS三次曲线拟合法和基 于 RBF曲线拟合法进行比较，论述这几种方法的原理及其算法，基于实例分 析了上述几种拟合方法的特性，以分析拟合方法的适用场合，从而为图形造 型中曲线拟合的方法选用作出更好的选择。 1 曲线拟合的概念 在许多对实验数据处理的问题中， 经常需要寻找自变量和对应因变量之 间的函数关系，有的变量关系可以根据问题的物理背景，通过理论推导的方 法加以求解，得到相应关系式。但绝大多数的函数关系却很复杂，不容易通 过理论推导得到相关的表达式，在这种情况下，就需要采用曲线拟合的方法 来求解变量之间的函数关系式。 曲线拟合 (Curve Fitting) ，是用连续曲线近似地刻画或比拟平面上离 散点组所表示的坐标之问的函数关系的一种数据处理方法。 在科学实验或社 会活动中， 通过实验或观测得到量 x 与 y 的一组数据对 ( xi , y ) ，i =1，2 ，3…， i m，其中各 xi 是彼此不同的。人们希望用一类与数据的规律相吻合的解析表 达式 y=f(x)来反映量 x 与 y 之间的依赖关系。即在一定意义下“最佳”地逼 近或拟合已知数据。 f(x)称作拟合函数，似的图像称作拟合曲线。 2 曲线拟合的方法 2.1 最小二乘法 最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配， 是进行 曲线拟合的一种早期使用的方法 一般最小二乘法的拟合函数是一元二次， 可一元多次，也可多元多次。该方法是通过求出数据点到拟合函数的距离和 2 最小的拟合函数进行拟合的方法令 f(x)=ax +bx+c ，计算数据点到该函数所 表示的曲线的距离和最小 即： n 2 = ( f (xi ) y ) i i 0 对上式求导，使其等于 0，则可以求出 f(x) 的系数 a,b,c ，从而求解出拟合函 数。 2.2 移动最小二乘法 移动最小二乘法在最小二乘法的基础上进行了较大的改进， 通过引入紧支概 念（即影响区域，数据点一定范围内的节点对该点的拟合函数值有影响） ，选取 适合的权函数，算出拟合函数来替代最小二乘法中的拟合函数 从而有更高的拟 合精度及更好的拟合光滑度。 2.2.1 移动最小二乘法的拟合函数 设拟合函数为 f(x)在求解域 Ω内的 n 个节点 Pi (i =1、2、3、……、 n)，则： m T f(x)= i (x ) K i (x) = K (x) (x) i 1 式中， α(x)为待求系数； K(x ）为线性基函数。一般令