第七章 数据的曲线拟合席.pptVIP

第1页，共26页，星期日，2025年，2月5日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。拟合模型可以分为直线拟合、曲线拟合和观察数据修匀。插值与拟合的区别和联系:第2页，共26页，星期日，2025年，2月5日一、直线拟合若用线性函数拟合如下数据：线性函数表示为：其中为待定系数。拟合直线称为回归直线。第3页，共26页，星期日，2025年，2月5日由于数据节点数大于未知数(即待定系数)的个数2，直线不可能经过每个点，但是直线与数据的偏差一定要达到最小。直线与点的偏离程度（即残差）定义为：残差的平方和为：第4页，共26页，星期日，2025年，2月5日要使R达到最小，令矩阵形式：“线性最小二乘法”第5页，共26页，星期日，2025年，2月5日确定系数的另一种方法是直接求解超定线性方程组：其中方程组两边同时左乘，得常规方程组：第6页，共26页，星期日，2025年，2月5日求解：在MATLAB中，也可直接求解超定方程组的解：c=A\y%可求得最小二乘解或已知数据点x与y，用polyfit命令c=polyfit(x,y,1)第7页，共26页，星期日，2025年，2月5日例1求拟合下列数据点的直线。x=[0.10.40.50.70.70.9];y=[0.610.920.991.521.472.03];c=polyfit(x,y,1)c=1.76460.2862即线性函数g(x)=1.7646x+0.2862第8页，共26页，星期日，2025年，2月5日A=[xones(6,1)];c=(A*A)\(A*y)c=1.76460.2862c=A\yc=1.76460.2862第9页，共26页，星期日，2025年，2月5日绘图程序：x=[0.10.40.50.70.70.9];y=[0.610.920.991.521.472.03];c=polyfit(x,y,1);y1=polyval(c,x);plot(x,y,.,x,y1)gtext(y=1.7646x+0.2862);xlabel(X);ylabel(Y);第10页，共26页，星期日，2025年，2月5日二、非线性曲线拟合对一组数据，若做拟合幂函数：为确定待定系数，取自然对数：取：则：问题简化为线性回归，拟合数据点为：然后确定第11页，共26页，星期日，2025年，2月5日例2做下列数据点的幂函数拟合。c=polyfit(log(x),log(y),1)c=[0.20931.8588]结果：所以第12页，共26页，星期日，2025年，2月5日第13页，共26页，星期日，2025年，2月5日x=[0.150.40.61.011.52.22.42.72.93.53.84.44.65.16.67.6];y=[4.49645.12845.69316.28847.09897.55077.51068.07567.87088.24038.53038.73948.99819.14509.50709.9115];c=polyfit(log(x),log(y),1);alfa=c(1);beta=exp(c(2));y1=beta*x.^alfa;subplot(2,2,1)plot(x,y,+)xlabel(X);ylabel(Y);第14页，共26页，星期日，2025年，2月5日subplot(2,2,2)plot(x,y,+)holdonloglog(x,y)xlabel(X);ylabel(Y);title((a)Loglogplotofyvsx,Color,r)subplot(2,2,3)plot(log(x),log(y),+,log(x),log(y))xlabel(log(X));ylabel(log(Y));title((b)Linearplotoflog(y)vslog(x),Color,r);subplot(2,2,4)plot(x,y,+,x,y1)xlabel(X);ylabel(Y);title((c)Linearplot