【算法思考】Radial basis function interpolation （RBF）插值法

什么是插值

假设我们有n个采样点，这些采样点的维度都是 k 维的, 记做 X = { x 1 , x 2 , ⋯ x n } \bold{X} = \{\bold{x_1, x_2, \cdots x_n}\} X={ x1​,x2​,⋯xn​}, 对于每个 ${\mathbf{x}}_{\mathbf{i}}$ 都对应一个函数值 $y_i$ 。如果给一个新的采样点 $\mathbf{x}\notin \mathbf{X}$, 如何计算或估计出其对应的函数值 $y$, 就是插值要解决的问题。有时候我们也会遇到 $y$ 是一个向量的情况，不过可以通过建立多个插值函数来解决这个问题。

如果采样点 ${\mathbf{x}}_{\mathbf{i}}$ 都是 1 维的，我们可以采样一种非常简单的方式，即分段线性进行建模。下面举个例子：

我们有采样点 $x_0=0,y_0=0,x_1=1,y_1=1$, 可以建模为 $y=\frac{|x-x_0|}{|x-x_0|+|x-x_1|}\ast y_0+\frac{|x-x_1|}{|x-x_0|+|x-x_1|}$