我最近写的一个项目,需要通过散点图来形成一条拟合的曲线,以便于用来预测后续的数据。这个算法真是折磨我好几天,回顾了一波非线性回归以及查询很多资料,最终确定使用,多项式曲线拟合的方式来设计算法。
曲线拟合
曲线拟合的原理可以通过这个博客来了解一下:https://blog.csdn.net/llittleSun/article/details/115045660
本代码可以解决的问题是:二维坐标需要通过散点来确定曲线,再通过曲线表达式来预测后续点的坐标。
代码分为三个部分:
1.创建辅助类
package com.ljh.controller;
/**
* 多项式拟合辅助类
*/
public class PolynomialSoluter {
private double[][] matrix;
private double[] result;
private int order;
public PolynomialSoluter() {
}
// 检查输入项长度并生成增广矩阵
private boolean init(double[][] matrixA, double[] arrayB) {
order = arrayB.length;
if (matrixA.length != order) {
return false;
}
matrix = new double[order][order + 1];
for (int i = 0; i < order; i++) {
if (matrixA[i].length != order) {
return false;
}
for (int j = 0; j < order; j++) {
matrix[i][j] = matrixA[i][j];
}
matrix[i][order] = arrayB[i];
}
result = new double[order];
return true;
}
public double[] getResult(double[][] matrixA, double[] arrayB) {
if (!init(matrixA, arrayB)) {
return null;
}
// 高斯消元-正向
for (int i = 0; i < order; i++) {
// 如果当前行对角线项为0则与后面的同列项非0的行交换
if (!swithIfZero(i)) {
return null;
}
// 消元
for (int j = i + 1; j < order; j++) {
if (matrix[j][i] == 0) {
continue;
}
double factor = matrix[j][i] / matrix[i][i];
for (int l = i; l < order + 1; l++) {
matrix[j][l] = matrix[j][l] - matrix[i][l] * factor;
}
}
}
// 高斯消元-反向-去掉了冗余计算
for (int i = order - 1; i >= 0; i--) {
result[i] = matrix[i][order] / matrix[i][i];
for (int j = i - 1; j > -1; j--) {
matrix[j][order] = matrix[j][order] - result[i] * matrix[j][i];
}
}
return result;
}
private boolean swithIfZero(int i) {
if (matrix[i][i] == 0) {
int j = i + 1;
// 找到对应位置非0的列
while (j < order && matrix[j][i] == 0) {
j++;
}
// 若对应位置全为0则无解
if (j == order) {
return false;
} else {
switchRows(i, j);
}
}
return true;
}
private void switchRows(int i, int j) {
double[] tmp = matrix[i];
matrix[i] = matrix[j];
matrix[j] = tmp;
}
}
2.创建可执行类
使用的话主要调用这个类中的方法。
package com.ljh.controller;
/**
* 多项式曲线拟合
*/
public class LeastSquare {
private double[][] matrixA;
private double[] arrayB;
private double[] factors;
private int order;
public LeastSquare() {
}
/**
* 实例化后,计算前,先要输入参数并生成公式 arrayX为采样点的x轴坐标,按照采样顺序排列
* arrayY为采样点的y轴坐标,按照采样顺序与x一一对应排列 order
* 为进行拟合的阶数。用低阶来拟合高阶曲线时可能会不准确,但阶数过高会导致计算缓慢
* @param arrayX x坐标数组
* @param arrayY y坐标数组
* @param order 为进行拟合的阶数
* @return
*/
public boolean generateFormula(double[] arrayX, double[] arrayY, int order) {
if (arrayX.length != arrayY.length) {
return false;
}
this.order = order;
int len = arrayX.length;
// 拟合运算中的x矩阵和y矩阵
matrixA = new double[order + 1][order + 1];
arrayB = new double[order + 1];
// 生成y矩阵以及x矩阵中幂<=order的部分
for (int i = 0; i < order + 1; i++) {
double sumX = 0;
for (int j = 0; j < len; j++) {
double tmp = Math.pow(arrayX[j], i);
sumX += tmp;
arrayB[i] += tmp * arrayY[j];
}
for (int j = 0; j <= i; j++) {
matrixA[j][i - j] = sumX;
}
}
// 生成x矩阵中幂>order的部分
for (int i = order + 1; i <= order * 2; i++) {
double sumX = 0;
for (int j = 0; j < len; j++) {
sumX += Math.pow(arrayX[j], i);
}
for (int j = i - order; j < order + 1; j++) {
matrixA[i - j][j] = sumX;
}
}
// 实例化PolynomiaSoluter并解方程组,得到各阶的系数序列factors
PolynomialSoluter soluter = new PolynomialSoluter();
factors = soluter.getResult(matrixA, arrayB);
if (factors == null) {
return false;
} else {
return true;
}
}
// 根据输入坐标,以及系数序列factors计算指定坐标的结果
public double calculate(double x) {
double result = factors[0];
for (int i = 1; i <= order; i++) {
result += factors[i] * Math.pow(x, i);
}
return result;
}
}
3.此类是项目定制的方法
/**
* 创建多项式曲线回归模型
* @param x 游标点在中断面的x坐标
* @param y 游标点在中断面的y坐标
* @param v 游标点在中断面的速度v
* @param fixedX 固定点x的坐标
* @param fixedY 固定点y的坐标
* @param order 为进行拟合的阶数。用低阶来拟合高阶曲线时可能会不准确,但阶数过高会导致计算缓慢,建议参数为:3
* @return 返回中断面固定点的速度数组。
*/
public static double[] curveFitting(double[] x,double[] y,double[] v,double[] fixedX,double[] fixedY,int order){
double[] curveX=new double[x.length];
double[] curveY=v;
double[] curveFixedX=new double[fixedX.length];
double[] curveFixedV=new double[fixedX.length];
//计算固定点在曲线拟合的x坐标点
for (int i = 0; i < fixedX.length; i++) {
curveFixedX[i]=Math.sqrt(Math.pow(fixedX[i],2)+Math.pow(fixedY[i],2));
}
//创建拟合多项式的对象
LeastSquare leastSquare = new LeastSquare();
//计算回归曲线的x坐标
for (int i = 0; i < x.length; i++) {
curveX[i]=Math.sqrt(Math.pow(x[i],2)+Math.pow(y[i],2));
}
boolean b = leastSquare.generateFormula(curveX, curveY, order);
System.out.println(b);
for (int i = 0; i < fixedX.length; i++) {
curveFixedV[i]=leastSquare.calculate(curveFixedX[i]);
}
return curveFixedV;
}