数据的插值与逼近.pptVIP

LOGO LOGO 第一页，共二十九页，2022年，8月28日 第二节 数据的最小二乘逼近 最小二乘逼近理论 1 利用Matlab实现最小二乘逼近 2 第二页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 最小二乘逼近的定义 插值所需的数据往往来源于观察测量，本身有一定的误差。要求插值曲线通过这些本身有误差的点，势必使结果更加不准确。 另外，如果由试验提供的数据量比较大，又容易使得插值多项式的次数过高而效果不理想。所以在对离散数据建立模型时，并不需要函数曲线一定要插值所有给定的数据点。 ，在取定的函数类 中，求 定义1.对给定数据 即 ，使误差 ， 的平方和最小， 函数 称为最小二乘解， 求 的方法称为最小二乘逼近。 第三页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 对离散数据点进行最小二乘逼近首先要确定的是用什么类型的函数作为模型，然后通过计算求得该类函数中的参数。 按照求解参数在最小二乘逼近解中的地位，最小二乘分为线性最小二乘逼近和非线性最小二乘逼近。 例如： 线性最小二乘逼近 非线性最小二乘逼近 线性最小二乘逼近的求解比非线性最小二乘逼近容易，一定条件下，非线性最小二乘逼近可以转化为线性最小二乘逼近。 第四页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 线性最小二乘逼近 第一步:先选定一组函数 r1(x), r2(x), …rm(x), mn, 令 f(x)=a1r1(x)+a2r2(x)+ …+amrm(x) （1） 其中 a1,a2, …am 为待定系数。 第二步: 确定a1,a2, …am 的准则（最小二乘准则）： 使n个点（xi,yi) 与曲线 y=f(x) 的距离?i 的平方和最小 。 记 问题归结为，求 a1,a2, …am 使 J(a1,a2, …am) 最小。 第五页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 将J(a1,a2, …am)看作是 a1,a2, …am的m元函数。最小二乘问题就是这个m元函数的最小值问题，由极值的必要条件： 得： 其中： 该方程组的解就是最小二乘问题的解 第六页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 线性最小二乘拟合 f(x)=a1r1(x)+ …+amrm(x)中函数{r1(x), …rm(x)}的选取 1. 通过机理分析建立数学模型来确定 f(x)； + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + f=a1+a2x f=a1+a2x+a3x2 f=a1+a2x+a3x2 f=a1+a2/x f=aebx f=ae-bx 2. 将数据 (xi,yi) i=1, …n 作图，通过直观判断确定 f(x)： 可化为线性最小二乘 第七页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 非线性最小二乘逼近 如果要用非线性模型对离散数据进行最小二乘逼近，一般的方法是将其线性化，然后求解线性化以后的最小二乘逼近问题。 可线性化的非线性最小二乘逼近（线性化后为 ） 第八页，共二十九页，2022年，8月28日 一、最小二乘逼近理论 可线性化的非线性最小二乘逼近（线性化后为 ） 第九页，共二十九页，2022年，8月28日 二、利用MATLAB实现最小二乘逼近 利用MATLAB实现多项式最小二乘逼近 在MATLAB中，要利用多项式f(x)=a1xm+ …+amx+am+1对离散数据进行线性拟合,可利用命令： a=polyfit(x,y,m) 输出拟合多项式系数 a=[a1, …am , am+1] (数组)） 输入同长度 的数组X，Y 拟合多项 式次数 要计算多项式在x处的值y可用以下命令计算： y=polyval（a，x） 第十页，共二十九页，2022年，8月28日 二、利用MATLAB实现最小二乘逼近 例1：对下面一组数据作二次多项式拟合 x=0:0.1:1; y=[-0.447 1.978 3.28 6.16 7.08 7.34 7.66 9.56 9.48 9.30 11.2]; A=polyfit(x,y,2) z=polyval(A,x); plot(x,y,k+,x,z,r) %作出数据点和拟合曲线的图形 第十一页，共二十九页，2022年，8月28日 二、利用MATLAB实现最小二乘逼近 2）计算结果：Ａ = -9