数据分析与多项式计算（二）

目录

 

数据插值

曲线拟合

---

数据插值

样本数据为精确数据时使用

数据插值的实现方法

在MATLAB中，一维插值函数为interp1()，其调用格式为：

Y1=interp1(X,Y,X1,method)

该语句将根据X、Y的值，计算函数在X1处的值。其中，X、Y是两个等长的已知向量，分别表示采样点和采样值。X1是一个向量或标量，表示要插值的点。

method参数用于指定插值方法，常用的取值有以下四种：

（1）linear：线性插值，默认方法。将与插值点靠近的两个数据点用直线连接，然后在直线上选取对应插值点的数据。

（2）nearest：最近点插值。选择最近样本点的值作为插值数据。若是中点，则取后一个点的值

（3）pchip：分段3次埃尔米特插值。采用分段三次多项式，除满足插值条件，还需满足在若干节点处相邻段插值函数的一阶导数相等，使得曲线光滑的同时，还具有保形性。

（4）spline：3次样条插值。每个分段内构造一个三次多项式，使其插值函数除满足插值条件外，还要求在各节点处具有连续的一阶和二阶导数。

x=[0,3,5,7,9,11,12,13,14,15];
y=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.0,1.6];
subplot(2,2,1)
plot(x,y)
x1=0:0.1:15;
y1=interp1(x,y,x1,'linear');
subplot(2,2,2)
plot(x1,y1)
y2=interp1(x,y,x1,'pchip');
subplot(2,2,3)
plot(x1,y2)
y3=interp1(x,y,x1,'spline');
subplot(2,2,4)
plot(x1,y3)

四种方法的比较

 线性插值和最近点插值方法比较简单。其中线性插值方法的计算量与样本点n无关。n越大，误差越小。

 3次埃尔米特插值和3次样条插值都能保证曲线的光滑性。相比较而言，3次埃尔米特插值具有保形性；而3次样条插值要求其二阶导数也连续，所以插值函数的性态更好。

 

MATLAB中的二维插值函数为interp2()，其调用格式为：

Z1=interp2(X,Y,Z,X1,Y1,method)

其中，X、Y是两个向量，表示两个参数的采样点，Z是采样

点对应的函数值。X1、Y1是两个标量或向量，表示要插值

的点。

 

曲线拟合

样本为统计数据或存在误差时适用

x=1790:10:2010;
y=[3.9,5.3,7.2,9.6,12.9,17.1,23.2,31.4,38.6,50.2,63.0,76.0,92.0,105.7,122.8,131.7,150.7,179.3,203.2,226.5,248.7,281.4,308.7];
subplot(2,2,1)
plot(x,y,'*');
p=polyfit(x,y,1);
polyval(p,2020)
plot(x,y,'*',x,polyval(p,x));

subplot(2,2,2)
plot(x,y,'*');
p=polyfit(x,y,2);
polyval(p,2020)
plot(x,y,'*',x,polyval(p,x));

subplot(2,2,3)
plot(x,y,'*');
p=polyfit(x,y,3);
polyval(p,2020)
plot(x,y,'*',x,polyval(p,x));

subplot(2,2,4)
plot(x,y,'*');
p=polyfit(x,y,4);
polyval(p,2020)
plot(x,y,'*',x,polyval(p,x));

与数据插值类似，曲线拟合也是一种函数逼近的方法。

构造函数g(x)去逼近未知函数f(x)，使得误差

δi= g(xi)-f(xi)(i=1,2,3,…,n)    在某种意义下达到最小。

两个问题：

 （1）用什么类型的函数做逼近函数？多项式函数

 （2）误差最小到底怎么计算？           最小二乘法

最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和来寻找数据的最佳函数匹配。

 设p(x)是一个多项式函数  

的值最小，则p(x)为原函数y=f(x)的逼近函数。

曲线拟合的实现方法

MATLAB中的多项式拟合函数为polyfit()，其功能为求得最小二乘拟合多项式系

数，其调用格式为：

（1）P=polyfit(X,Y,m)

（2）[P,S]=polyfit(X,Y,m)

（3）[P,S,mu]=polyfit(X,Y,m)：根据样本数据X和Y，产生一个m次多项式P及其在采样点误差数据S，mu是一个二元向量，mu(1)是mean(X)，而mu(2)是std(X)。

结论：

（1）要对问题的背景进行详细的分析。

（2）采样点并非越多越好，适当的时候，可以减少采样点，分段进行拟合。

功能：

（1）估算数据

（2）预测趋势

（3）总结规律