当数据嘈杂时,我们更关心的是确定数据是否显示出有意义的关系,而不是建立精确的字符。看到这一点,它往往是有助于找到一个平滑的曲线表示的噪声数据集。数据的趋势和结构可能比从点云更容易从这样的曲线中看到。
这两种方法都是通过一个小邻域(即局部)的低阶多项式(即至多立方)来逼近数据。诀窍是将各种局部近似串在一起形成一条光滑曲线。这两种方法都包含一个可调节的参数,控制曲线的“刚度”:曲线越硬,出现的越平滑,但它能跟踪个别数据点的精度就越低。在平滑方法中,在平滑性和准确性之间找到正确的平衡是主要的挑战。
样条函数是由分段多项式函数(通常是立方)组成的,它们以光滑的方式连接在一起。除了每个节点的局部光滑性要求外,样条函数还必须通过优化泛函来满足全局光滑条件:
这里的(t)是样条曲线,&#