(完整word版)数据拟合线性最小二乘法及其应用(householder变换)(word文档良心出品.docVIP

PAGE

PAGE1

目录

TOC\o1-3\h\z\u摘要 3

ABSTRACT 4

第一章引言 5

第二章最小二乘法 5

2.1最小二乘拟合 5

2.2线性最小二乘拟合 6

2.3小结 7

第三章快速算法及基本原理 7

3.1H-变换 7

3.2QR分解 10

3.3算法 11

第四章最小二乘法的正交化方法 13

第五章matlab代码实现 14

5.1Householder变换 14

5.2用householder变换来做QR分解 15

5.3QR分解 16

第六章应用 17

第七章总结 18

谢辞 19

参考文献 20

注释 21

附录 22

摘要

本文介绍了数据拟合中最小二乘法的基本原理，并根据最小二乘数据拟合方法，针对线性最小二乘拟合及其快速算法（运用HOUSEHOLDER变换及QR分解）进行了分析和研究，并通过数学工具Matlab实现了对相关问题的举例应用，使相关数据拟合理论更加生动易懂.

关键词：数据拟合，最小二乘法，householder变换，应用

ABSTRACT

Thisthesisintroducesthebasicprincipleoftheleastsquaredatafitting.Accordingtotheleastsquaredatafitting,thepaperstudiesandanalyzesthelinearleastsquarefittingusingtheHouseholdermatrixtransformationsandQRdecompositionsofthematrix.UsingMatlabmakesthetheoryofdatafittingeasiertobeunderstood.ThemethodofoperationandcomposeofMatlabisquiteeasyandtheresultisaccurate.Itisveryconvenientforsolvingpracticalproblems.

KeyWords:datafittingleastsquaremethodhouseholdertransformationapplication

第一章引言

实验数据的正确处理关系到能否达到实验目的、得出明确结论.在进行实验数据的处理分析时，数据拟合是经常采用的方法之一.数据拟合的目标是寻找一条光滑数据，使之在某种准则下最佳地拟合数据.

本文论述了最小二乘数据拟合法的若干原理，介绍了如何对数据应用Matlab软件实现数据拟合，并给出了若干实例帮助理解相关理论及Matlab实现

最小二乘问题在数据拟合、参数估计和函数逼近等方面中有着广泛的应用.

第二章最小二乘法

2.1最小二乘拟合

给出m组观测数据(ti,yi),i=1,2,…,m.可以认为它是某一模型

y

得到的，其中gx是“真正”的光滑函数，εx是误差函数，y(x)是gx经εx干扰所得到的，因此借用物理学名词，又把εx成为白噪音过程，yti=yi,

设gnx是带有n

e

e

决定gn

φ=

达到极小，这就是最小二乘拟合问题，也常称为最小二乘法或最小二乘逼近，所求得的解称最小二乘解.

2.2线性最小二乘拟合

k次代数多项式是1,x

p

由于px由k+1个系数c0,c1,?,ck唯一确定，所以又称为

p

=

称为n阶广义多项式，取广义多项式为拟合函数的最小二乘拟合问题称为线性最小二乘问题.

对于m组观测数据(ti,yi),i=1,2,…

φ=

目的是要求出px（即确定参数a1,a2,?,an）使φ达到最小值.由于φ是a

?φ

可得n元线代数方程组

c

其中

c

d

n元线代数方程组称为线性最小二乘问题的正规方程组.以cjk(j,

特别地，当ujx=

s

其中

s

u

2.3小结

最小二乘问题的解归结为求正则方程组.由于正则方程系数矩阵的条件数是原矛盾方程组系数条件数的平方，正则方程的病态程度大大增加.因此，有必要采用有较高数值稳定性的计算方法.一般使用H-变换，平方根法和Gram-Schmidt正交化法.这三种方法用于一次性处理时，H-变换所需的运算量较少，而得到最广泛的使用.平方根法便于形成递推算法而首先被用于最小二乘估计的递推算法中，但与直接求解正则方程的