- 1、本文档共23页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
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
文档评论(0)