用MATLAB进行数据插值资料.pptxVIP

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。 ; 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。;插值问题——雨量预报的评价;拟合问题——饮酒驾车; 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）; 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。 ; 插 值;拉格朗日插值;返回;一维插值的定义; 构造一个(相对简单的)函数; 称为拉格朗日插值基函数。;拉格朗日(Lagrange)插值; 拉格朗日多项式插值的 这种振荡现象叫 Runge现象;第16页/共107页;分段线性插值;To MATLAB xch11，xch12，xch13，xch14;第19页/共107页;比分段线性插值更光滑。; 三次样条插值;例;; （1）nearest方法速度最快，占用内存最小，但一般来说误差最大，插值结果最不光滑； (2) ‘liner’分段线性插值：插值点处函数值由连接其最邻近的两侧点的线性函数预测，MATLAB中interp1的默认方法 （3）spline三次样条插值是所有插值方法中运行耗时最长的，其插值函数以及插值函数的一阶、二阶导函数都连续，因此是最光滑的插值方法，占用内存上比cubic方法小，但当已知数据点不均匀分布时可能出现异常结果。 （4）cubic三次多项式插值法中插值函数及其一阶导数都是连续的，因此其插值结果也比较光滑，运算速度比spline方法略快，但占用内存最多。在实际的使用中，应根据实际需求和运算条件选择合适的算法。;例 用其他一维插值方法对以下7个离散数据点(1,3.5)、(2,2.1)、(3,1.3)、(4.0.8)、(5,2.9)、(6,4.2)、(7,5.7)进行一维插值方法。;第26页/共107页; 例：在1-12的11小时内，每隔1小时测量一次温度，测得的温度依次为：5，8，9，15，25，29，31，30，22，25，27，24。试估计每隔1/10小时的温度值。;第28页/共107页;?;第30页/共107页;二维插值的定义; ;第二种（散乱节点）：;已知n个节点; 注意：最邻近插值一般不连续。具有连续性的最简单的插值是分片线性插值。; 将四个插值点（矩形的四个顶点）处的函数值依次简记为： ;插值函数为：; 双线性插值是一片一片的空间二次曲面构成。 双线性插值函数的形式如下：; 要求x0,y0单调；x，y可取为矩阵，或x取行向量，y取为列向量，x,y的值分别不能超出x0,y0的范围。;例：测得平板表面3*5网格点处的温度分别为： 82 81 80 82 84 79 63 61 65 81 84 84 82 85 86