函数逼近方法

最新推荐文章于 2024-06-25 20:58:33 发布

OneSea

最新推荐文章于 2024-06-25 20:58:33 发布

阅读量1.6w

点赞数 5

分类专栏： Matlab Math 文章标签： matlab

本文链接：https://blog.csdn.net/Q1302182594/article/details/42969469

版权

Matlab 同时被 2 个专栏收录

31 篇文章 4 订阅

订阅专栏

Math

12 篇文章 1 订阅

订阅专栏

0 前言

函数逼近与函数插值并非同一概念，其异同点如下：

相同点

二者都是对实际用的复杂函数构造一个既能反映函数本身的特性，又便于计算的简单函数，近似代替原来的函数[15]P137。

不同点

（1）函数插值

函数插值是对一组离散点(xi, f(xi))(i = 0, 1, 2,...n)，选定一个便于计算的简单函数形式p(x)，满足p(xi) = f(xi)(i = 0, 1, 2, ..., n)，由此确定函数p(x)作为f(x)的近似函数，详见《函数插值方法》。

（2）函数逼近

函数逼近是对实际中的复杂函数f(x)，构造一个简单函数p(x)，要求其误差从整体上在某种度量意义下最小。

应用领域

函数逼近，比较普遍的应用就是离散数据曲线拟合。下面将重点讨论如何通过Matlab来实现曲线拟合。

1 二维曲线拟合

有两种思路：1）对应已知的x、y数据，通过拟合找到一个标准曲线公式，这条曲线尽可能的经过已知的x、y坐标点；2）对于已知的x、y坐标，通过插值的方法确定它们之间的坐标。下面将分别对这两种方法进行举例分析。

1.1 多项式拟合——polyfit

1.1.1 代码及效果

参考资料[1][5]介绍了使用polyfit对二维离散点进行多项式拟合的方法。拟合得到的结果是多项式各项的系数（保存在下面代码中的p变量中），具体代码如下所示。

clear
clc
%% 原始散点
t = [1 : 16];
y = [4 6.4 8 8.4 9 9.28 9.5 9.7 9.86 10.2 10.32 10.42 10.5 10.55 10.58 10.6];
plot(t, y, 'o');
%% 二次多项式拟合
p = polyfit(t, y, 2);
hold on
plot(t, polyval(p, t), 'r');  % 画多项式图像

%% 三次多项式拟合
p = polyfit(t, y, 3);
hold on
plot(t, polyval(p, t), 'k');  % 画多项式图像

%% 四次多项式拟合
p = polyfit(t, y, 4);
hold on
plot(t, polyval(p, t), 'm');  % 画多项式图像

%% 十次多项式拟合
p = polyfit(t, y, 10);
hold on
plot(t, polyval(p, t), 'c');  % 画多项式图像

%% 图例
legend('原始散点', '二次多项式拟合', '三次多项式拟合',  ...
       '四次多项式拟合', '十次多项式拟合')

拟合效果如下图，

根据上图的结果可知，多项式的次数越高，拟合出来的曲线所经过的位置就越接近原离散点。

1.1.2 局限

上述拟合方法只能拟合xy坐标都是一一对应的数据，如果一个x坐标对应有多个y坐标，则拟合效果非常差：

1.2 非线性拟合lsqcurvefit、nlinfit

参考资料[2]介绍了使用Maltab中的lsqcurvefit或nlinfit这两个函数来进行曲线拟合，主要过程是：自定义一个曲线函数，其中的参数/系数未知（如y=a*sin(x)*exp(x)-b/log(x)中的a和b系数），通过利用已知的x、y数据进行拟合得到a、b的值，如下所示：

%% 原数据
x=2:10;
y=8*sin(x).*exp(x)-12./log(x);
a=[1 2];

%% 待拟合公式
f=@(a,x)a(1)*sin(x).*exp(x)-a(2)./log(x);

%% 第一种方法使用lsqcurvefit
lsq_fit = lsqcurvefit(f,a,x,y);

%% 第二种方法使用nlinfit
nlin_fit = nlinfit(x,y,f,a);

上述拟合得到的结果都是[8 12]，和原数据中给公式指定的参数一致。

1.3 Spline插值

已知道少量的x、y坐标，可以通过插值的方式确定这些坐标之间的其余坐标。

1.3.1 实现和效果

代码如下所示。

x = 0:10;
y = sin(x);
xx = 0:.25:10;
yy = spline(x, y, xx);
plot(x, y, 'o', xx, yy, '-r')
legend('原始点','插值结果')

上述代码的运行结果如下：

1.3.2 局限

如果x、y坐标的分布像图2的蓝色离散点那样（x坐标并非递增的，一个x坐标有可能对应2个y坐标），插值提示错误：

2 三维曲线拟合

2.1 lsqcurvefit/nlinfit

根据参考资料[2]的说明，lsqcurvefit和nlinfit不仅可以用于一元函数的拟合（如上述1.2小节所示），还可以对多元函数进行拟合，也就是三维拟合。例如对z=a*(exp(y)+1)-sin(x)*b进行拟合，确定参数a和b，代码如下：

%% 原数据
x=2:10;
y=10*sin(x)./log(x);
z=4.5*(exp(y)+1)-sin(x)*13.8;

%% 待拟合公式
f=@(a,x)a(1)*(exp(x(2,:))+1)-sin(x(1,:))*a(2);

%% 第一种方法使用lsqcurvefit
lsqcurvefit(f,[1 2],[x;y],z) %注意这里面的[x;y],这里的[1 2]表示我们设置f函数里的初始值a(1)=1,,a(2)=2

%% 第二种方法使用nlinfit
nlinfit([x;y],z,f,[1 2])

拟合结果如下所示：