线性最小二乘拟合实验

一、实验目的

掌握最小二乘优化原理，及其在数据分析中的应用。

二、实验内容

必做项：

（1）仿真生成直线观测数据，根据上述直线拟合公式推导编写直线拟合函数，然后拟合直线方程，画出观测数据和拟合直线。

（2）仿真生成圆曲线观测数据，根据上述圆拟合公式推导编写圆拟合函数，然后拟合圆曲线方程，画出观测数据和拟合圆曲线。

（3）利用最小二乘圆拟合法，检测数字图像中的圆。

步骤 1：读入数字图像文件，检测图像中的边缘；

步骤 2：对边缘进行连通域标记；

步骤 3：根据长宽比等简单特征，对每个连通域进行初步筛选；

步骤 4：对经过筛选的每个连通域进行圆拟合；

步骤 5：计算圆拟合的误差，对拟合误差过大的圆进行剔除；

步骤 6：画出拟合圆曲线和圆形 

三、实验原理

该实验类型为应用性实验：给定输入输出的样本数据集（xi,yi），选择模型函数 f()，w 为函数参数，通过最小化预测值 f(xi)与观测值yi之间的误差总和，来确定函数 f()中的相关参数w。

miniei=iati+b-yi2

直线拟合的公式推导如下：目标函数：miniei=iati+b-yi2

 ，二次函数取最小值的地方，偏导数为0：∂f(a,b)∂a=ai=1Nxi2+bi=1Nxi2-i=1Nxiyi=0

 ,代入函数具体形式：

∂f(a,b)∂a=ai=1Nxi2+bi=1Nxi2-i=1Nxiyi=0

,

 ∂f(a,b)∂b=ai=1Nti2+Nb-i=1Nyi=0

两个方程，两个未知数。求解方程即可得到参数 a,b

圆拟合的公式推导如下：

四、实验结果分析

(1) 仿真生成直线观测数据，根据直线拟合公式推导编写直线拟合函数，然后拟合直线方程，画出观测数据和拟合直线。具体代码如下：

x=[0.5,1,1.5,2,2.5,3,4,8,9];

y=[2.3,2.6,3.3,3.8,4.5,4.6,5.5,5.9,6.3];

[k,b]=linefit(x,y);

y1=polyval([k,b],x);

plot(x,y,'*',x,y1,'r-');

xlabel('x');ylabel('y');

运行后可以得到如图1所示的结果。

本程序采用系统自带函数linefit（），polyval（）进行直线拟合，由图1可以看到其正确的拟合了直线。

图 1

（2）仿真生成圆曲线观测数据，根据圆拟合公式推导编写圆拟合函数，然后拟合圆曲线方程，画出观测数据和拟合圆曲线。

N=20; %圆上采样 20 个点

noise=0.1*randn(N,1)

n = 0:N-1;

%每个点对应的角度

theta = n*2*pi/N;

%噪声数据

noise = 0.1*randn(N,1);

%半径为 1，叠加噪声

r = 5*ones(N,1)+noise;

%计算 x 坐标，再加上平移量

x = r.*cos(theta')+6;

%计算 y 坐标，再加上 y 方向平移量

y = r.*sin(theta')+8; scatter(x,y);

hold on;

axis equal;

[R,A,B]=circleFit(x,y,N)

angle=0:0.05:2*pi;

x1=R.*cos(angle')+A;

y1=R.*cos(angle')+B;

plot(x1,y1,R)

在命令窗口运行，可以得到如图2所示的输出结果。

图 2

由结果可以看到编写的函数circleFit完成了对圆曲线方程的拟合。

（3）利用最小二乘圆拟合法，检测数字图像中的圆。

f=imread('1.jpg');

BW=im2bw(f);

BW=bwperim(BW); % 提取二值图像图像边缘

%进行连通域标记，一个连通域表示一个曲线的样本数据集

[L,num] = bwlabel(BW,8); %8 表示 8 连通 4 表示 4 连通

RGB=label2rgb(L);

figure;

imshow(RGB);

hold on;

[M,N]=size(f);

for k =2:num

[y,x] = find(L == k); %获取第 k 个连通域的所有像素坐标

if length(x)<20 %轮廓的像素数量表示周长

continue;

end

HWration = (max(y)-min(y)+1)./(max(x)-min(x)+1);

if HWration>0.8 && HWration<1.2 %计算每个轮廓的长宽比

%拟合

[R,A,B,MAENormal] = circleFit(x,y); %圆拟合的代码

if MAENormal<0.1 %拟合误差

plot(A,B,'r+');

LCircle = [LCircle,k];

end

end

en

可以得到如图3所示的结果：

图 3

由图3可知，本次编码成功实现了利用最小二乘圆拟合法，检测数字图像中的圆。步骤 1：读入数字图像文件，检测图像中的边缘；步骤 2：对边缘进行连通域标记；步骤 3：根据长宽比等简单特征，对每个连通域进行初步筛选；步骤 4：对经过筛选的每个连通域进行圆拟合；步骤 5：计算圆拟合的误差，对拟合误差过大的圆进行剔除；步骤 6：画出拟合圆曲线和圆形。

五、实验小结

本次实验在理论学习的基础上，加深了对掌握最小二乘优化原理的理解，及其在数据分析中的应用。最小二乘法原理是一种常用的数学优化方法，其基本原理是通过最小化损失函数的值来估计参数，从而拟合数据。在研究两个变量之间的相互关系时，可以得到一系列成对的数据，将这些数据描绘在坐标系中，建立直线方程，应用最小二乘法原理，将实测值与计算值的离差的平方和最小为“优化判据”。 最小二乘法的目标是找到一条直线，使得训练数据集中的点到这条直线的距离平方和最小。