本文介绍了插值和拟合的基本概念，插值中包括拉格朗日、牛顿等方法，并着重讨论了曲线拟合，特别是最小二乘法的应用。在最小二乘拟合中，通过设定线性无关的函数，找到最佳拟合曲线，使数据点与函数的偏差平方和最小。文章以矩阵形式展示了最小二乘法的求解过程，并给出了实例。
1.插值和拟合的概念
插值是求过已知有限个点的近似函数，因此所有已知点点都必须在插值函数上。
而拟合是已知有限个点，求近似函数，使得在某种意义下的总偏差最小，已知点不一定在插值函数上。
2.插值
古典理论中常用的差值方法包括：拉格朗日插值，牛顿插值。
古典方法构造的差值多项式式子唯一确定，但在高次插值时会出现’Runge’现象，即函数出现剧烈的震荡，不再收敛。
为了避免‘Runge’现象的出现，我们采取分段线性插值，样条插值，Hermite插值等方法。
插值的原理，在此就不多做赘述了，可以参考任意一本数值分析教材，这里重点介绍曲线拟合在Matlab中的使用方法及在工程上的应用。
3.曲线拟合
曲线拟合的思想：已知一组二维数据，即平面上的n个点寻求一个函数（曲线） f ( x ) f(x) f(x)，使得在某种准则下 f ( x ) f(x) f(x)与所有数据点最为接近
其中最常用的一种拟合方法就是线性最小二乘法
3.1最小二乘拟合
基本思路是设函数 y = f ( x ) y=f(x) y=f(x),选定一组线性无关的函数 r k ( x ) r_{k}(x) rk(x):
f ( x ) = a 1 r 1 ( x ) + a 2 r 2 ( x ) + ⋯ a m r m ( x ) f(x)=a_{1}r_{1}(x)+a_{2}r_{2}(x)+ \cdots a_{m}r_{m}(x) f(x)=a1r1(x)+a2r2(
最低0.47元/天 解锁文章
4040
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
